我找不到我想要的信息，所以我在这里发布我的问题。我刚刚开始学习机器学习。我使用scikit-learn库对时间序列数据进行了我的第一次多元回归。我的代码如下所示

X = df[feature_cols]
y = df[['scheduled_amount']]
index= y.reset_index().drop('scheduled_amount', axis=1)
linreg = LinearRegression()
tscv = TimeSeriesSplit(max_train_size=None, n_splits=11)
li=[]
for train_index, test_index in tscv.split(X):
    train = index.iloc[train_index]
    train_start, train_end = train.iloc[0,0], train.iloc[-1,0]
    test = index.iloc[test_index]
    test_start, test_end = test.iloc[0,0], test.iloc[-1,0]
    X_train, X_test = X[train_start:train_end], X[test_start:test_end]
    y_train, y_test = y[train_start:train_end], y[test_start:test_end]
    linreg.fit(X_train, y_train)
    y_predict = linreg.predict(X_test)
    print('RSS:' + str(linreg.score(X_test, y_test)))
    y_test['predictec_amount'] = y_predict
    y_test.plot()

需要注意的是，我的数据是时间序列数据，我希望在拟合模型时保留数据框中的日期时间索引。我使用了TimeSeriesSplit进行交叉验证。我仍然不太理解交叉验证。首先，时间序列数据集是否需要交叉验证？其次，我应该使用最后的线性系数，还是应该使用所有系数的平均值来进行未来的预测？

回答：

是的，时间序列数据集确实需要进行交叉验证。基本原因是你需要确保你的模型不会过度拟合当前的测试数据，并且能够捕捉到过去的季节性变化，这样你就可以对模型在未来表现有信心。这种方法也用于选择模型的超参数（例如，Ridge回归中的alpha）。

为了进行未来的预测，你应该使用全部数据和最佳超参数重新拟合你的回归模型，或者，如@Marcus V.在评论中提到的，可能最好只用最新的数据进行训练。