用历史记录预测未来时，随机拆分数据可能让模型在训练中见到比测试时点更晚的信息。验证方式应该尽量还原真实使用时“先有历史，再预测后续”的顺序。
先明确每条信息何时可得
自拟按日记录的练习可以用前几天训练、后两天测试，再向后移动窗口。除了记录日期，还要核对特征在预测当时是否已经产生；月底才知道的汇总值，不能拿来预测月初却假装当时已知。
理解滚动划分与间隔
TimeSeriesSplit按时间顺序生成训练与测试索引，后续训练集可以包含更多先前样本，并提供gap排除紧邻测试前的部分训练样本。间隔大小需要根据特征窗口等实际情况决定，不能照搬一个通用数字。
同样本数未必是同时间跨度
官方说明等间隔样本有助于让各折覆盖可比较的时间长度。不规则事件流需要先设计适合的时间窗口。预处理也应只从训练部分学习规则。本文介绍验证设计，没有训练真实预测模型或发布效果数据。
资料与继续学习
scikit-learn：TimeSeriesSplit。资料查阅日期：2026年10月8日。步骤与练习由本站整理。
资料查阅与编辑日期：2026年10月8日。作者：玖柒。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
