Что такое time series кросс-валидация

Time series cross-validation (CV) — это метод оценки модели для временных рядов, учитывающий их временную структуру. В отличие от случайного разбиения в k-fold CV, здесь данные разбиваются последовательно, сохраняя временной порядок.

Основные подходы:

1. Rolling Window — фиксированный размер обучающего окна, которое "скользит" по временной оси
2. Expanding Window — обучающее окно постоянно увеличивается, включая все предыдущие данные

Пример с sklearn.TimeSeriesSplit:

from sklearn.model_selection import TimeSeriesSplit
tscv = TimeSeriesSplit(n_splits=3)
for train_idx, test_idx in tscv.split(X):
    X_train, X_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]

Ключевые особенности:

• Предотвращает data leakage (утечку данных из будущего)
• Лучше отражает реальное прогнозирование, где модель обучается на прошлом и предсказывает будущее
• Особенно важно для задач прогнозирования (forecasting)