K-fold CV

新的交叉验证方法提高了时间序列预测的准确性

一篇新论文提出了一种面向全局时间序列预测模型（特别是基于深度学习的模型）的系列式交叉验证方法。该方法跨系列和时间对数据进行分区，模拟了训练期间未见过的系列的新出现。通过在多个数据集和神经网络架构上对 K 折交叉验证和自举法等各种实例进行基准测试，研究发现系列式交叉验证通过指导模型选择更优的配置来提高下游预测的准确性，从而在时间和个体系列上都能很好地泛化。