基本上，我有780个（每日）观测值，我希望用其中的80%来训练数据，剩下的20%用于交叉验证。因此，我认为应该使用以下代码：

df_cv = cross_validation(m, initial='624 days', horizon='156 days')

其中，initial日期对应于我希望用于训练的最初数量的观测值，而horizon对应于我希望用于交叉验证的剩余数量的观测值。

我觉得我没有正确应用这个方法，因为出现了一个我并不完全理解的截止日期（cutoff date）。

我怎样才能实现我的目标，即使用最初80%的观测值来训练数据，并使用最后20%进行交叉验证呢？

提前感谢您

回答：

截止日期用于确定在第一次验证迭代中您的训练数据集（截止日期之前）包含什么，以及将要预测的内容（截止日期之后）。如果您想使用80%的数据作为训练数据，并且希望进行交叉验证，您不能将horizon值设置为数据的20%，因为这样只允许进行一次验证。您需要一个较小的数字来设置horizon，因为它决定了每次迭代预测的天数。对于每个有序的验证迭代，FBProphet将在截止日期和截止日期+horizon之间进行预测，然后增加周期以获得下一个截止日期。以下是一个例子：

总数据集800天
initial = 624 == 训练数据集的大小
horizon = 20 == 要预测的大小
period = 10（默认值=horizon的一半）== 截止日期之间的增量间隔

第一次迭代：在1-624天训练，预测625-644天
第二次迭代：在11-634天训练，预测635-654天
第三次迭代：在21-644天训练，预测645-664天

这样，最后20%的数据可以在不同的时间框架内用于交叉验证