我的数据集中每条记录都有一个时间戳。

我听说过基于时间的分割，但对此一无所知。

回答：

普通交叉验证

你有一组数据点：

data_points = [2, 4, 5, 8, 6, 9]

然后，如果你进行2折分割，你的数据点将被随机分配到两个不同的组中。

例如：

split_1 = [2, 5, 9]split_2 = [3, 8, 6]

然而，这假设不需要保持数据点的顺序。你可以用split_1训练模型，并用split_2测试它。

基于时间的分割

然而，对于时间序列预测，这个假设并不总是正确的。

例如，给定相同的数据点：

data_points = [2, 4, 5, 8, 6, 9]

它们可能是按时间排列的。

你可能有一个模型来预测下一个数字，它会回顾过去3个时间步长。（例如，为了预测9之后的数字，它将[8, 6, 9]作为输入。这意味着数据点出现的顺序很重要。因此，为了测试你的模型，你不能随机分割数据点。它们出现的顺序需要保持不变。

所以如果你进行2折分割，你可能会得到以下分割：

split_1 = [2, 4, 5, 8]split_2 = [5, 8, 6, 9]

Sklearn中有一个基于时间的交叉验证实现：TimeSeriesSplit。