我正在尝试使用R语言中的随机森林来训练模型。我有一个包含每日多只股票信息的时间序列数据，并且创建了一个非常简化的版本：

Date <- rep(seq(as.Date("2009/01/01"), by = "day", length.out = 100), 10)Name <- c(rep("Stock A", 100), rep("Stock B",100), rep("Stock C", 100), rep("Stock D", 100), rep("Stock E",100), rep("Stock F",100), rep("Stock G",100), rep("Stock H",100), rep("Stock I", 100), rep("Stock J", 100))Class <- sample(1:10, 1000, replace=TRUE)DF <- data.frame(Date, Name, Class)DF <- DF %>% arrange(Date, Name)

看起来像这样：

        Date   Name    Class1  2009-01-01  Stock A     52  2009-01-01  Stock B     23  2009-01-01  Stock C     44  2009-01-01  Stock D    105  2009-01-01  Stock E     76  2009-01-01  Stock F     3...11 2009-01-02  Stock A    1012 2009-01-02  Stock B     8 13 2009-01-02  Stock C     9

在使用trainControl对数据进行训练和测试期的分割时，分割是基于每个观测值进行的，但我希望基于唯一日期进行分割。我目前所做的是这样的：

timecontrol <- DF %>% group_by(Date) %>% trainControl(  method            = 'timeslice',  initialWindow     = 10,  horizon           = 5,  skip              = 4,  fixedWindow       = TRUE,  returnData        = TRUE,   classProbs        = TRUE)fitRF <- train(Class ~ .,                data = DF,               method = "ranger",               tuneGrid = tunegrid,               na.action = na.omit,               trControl = timecontrol)

这会给我一个包含10个观测值的训练集，然后是5个测试观测值。然而，我希望有一个训练集（以及测试集）包含10个唯一日期的所有观测值，这样一个训练集将是10天乘以每天的观测值数量，并且在周期之间有跳过，以便每个测试周期都在全新的数据上（因此设置了skip=4）。

第一个训练/测试分割应该是训练集为数据集的前10个唯一日期，测试集为接下来的5个唯一日期，然后第二个训练/测试分割应该是测试集2紧跟在第一个测试集之后的5天。

与我上面展示的数据集不同，我的实际数据集每天包含不同数量的观测值。我的数据集包含417497个观测值，但只有2482个唯一日期，因此能够基于“分组”的日期进行训练/测试分割会产生很大差异。

有没有什么方法可以使用trainControl来获得我需要的分割，还是我必须手动分割所有数据？

回答：

如果我理解正确的话，你的目标是创建以日期为块的块时间序列交叉验证。

一种方法是使用createTimeSlices在唯一日期（按顺序）上，然后将这些分割映射回你的数据集：

dates <- unique(DF$Date) #already in orderslices <- createTimeSlices(dates,                           initialWindow = 10,                           horizon = 5,                           skip = 4,                           fixedWindow = TRUE)

将这些分割映射回你原始数据中的索引：

slices <- lapply(slices, function(x){  lapply(x, function(k){    DF %>%      mutate(n = 1:n()) %>%      filter(Date %in% dates[k]) %>%      pull(n)  })})

因此，第一个训练数据框将是：

DF[slices$train[[1]],]

而测试数据将是：

DF[slices$test[[1]],]

现在在定义trainControl时使用获得的训练和测试索引：

tr <- trainControl(returnData = TRUE,                    classProbs = TRUE,                   index = slices$train,                   indexOut = slices$test)

数据：

Date <- rep(seq(as.Date("2009/01/01"), by = "day", length.out = 100), 10)Name <- c(rep("Stock A", 100), rep("Stock B",100), rep("Stock C", 100), rep("Stock D", 100), rep("Stock E",100), rep("Stock F",100), rep("Stock G",100), rep("Stock H",100), rep("Stock I", 100), rep("Stock J", 100))Class <- sample(1:10, 1000, replace=TRUE)DF <- data.frame(Date, Name, Class)DF <- DF %>% arrange(Date, Name)