我有一个数据集（包含BTC的价格数据），我试图预测下一分钟价格是否会上涨（分类）。

我应该如何精确地拆分这个数据集？当我随机将其拆分为训练集和测试集时，我得到了74%的准确率。

from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

当我禁用shuffle功能时，准确率变得更差（49%）。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, shuffle=False)

为什么会这样？应该使用哪种方法？
或者，有没有更好的方法来将时间序列数据集拆分为训练集和测试集？

回答：

正确的方法是保持时间顺序。50%的准确率在这个类型的数据上是合理的（即，你有50%的几率正确，50%的几率错误）。