我有一个包含84个月销售数据的数据集（从2013年1月到2019年12月） – 只有月份，没有具体的日期。

Month 01 | Sale 1Month 02 | Sale 2Month 03 | Sale 3....     |   ...Month 84 | Sale 84

通过可视化来看，模型似乎非常适合…但我需要进行验证….

我了解到交叉验证不支持月份，所以我做的转换是使用天数（尽管我的原始数据框中没有具体的日期信息）…

我想用前五年（60个月）的数据来测试我的模型，并保留剩余的两年（24个月）来观察模型的预测效果….

所以我做了如下操作:

cv_results = cross_validation( model = prophet, initial='1825 days', period='30 days', horizon = '60 days')

这样做合理吗？

我没有理解截止日期和预测期的概念

回答：

我也在这一点上挣扎了一段时间，但它是这么工作的。初始模型将在前1825天的数据上进行训练。它将预测接下来的60天数据（因为预测期horizon设置为60）。然后，模型将在初始期限加上周期（在本例中为1825 + 30天）上进行训练，并预测接下来的60天。它将继续这样做，每次增加30天的训练数据，然后预测接下来的60天，直到没有足够的数据来继续这个过程。

总结来说，周期是每次交叉验证迭代中添加到训练数据集中的数据量，而预测期是它将预测的时长。