時系列データの順番を保持したまま、訓練データとテストデータに分ける

機械学習でデータを訓練データとテストデータに分けるのは、scikit learnフレームワークのtrain_test_splitがよく使われています。この関数を使うと、順番がシャッフルされてしまうため、時系列データに対しては使いにくいという問題がありました。そこで、オプションでshuffleをFalseに設定すると、順番を保持したまま、訓練データとテストデータに分けられます。時系列データの機械学習を行うときに便利です。

split_test_data.py

import numpy as np
from sklearn.model_selection import train_test_split

X = np.arange(10).reshape((5, 2))
Y = np.array([1,1,0,1,0])

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.4) 
# 順番がシャッフルされてしまうので、時系列データに対しては使いにくい

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.4, shuffle=False)
# オプションで、shuffle=Falseを指定すると順番がシャッフルされないので、時系列データに対しても使いやすい

print(X_train, '\n', X_test,'\n', Y_train,'\n', Y_test)

""" 出力: 
[[0 1]
 [2 3]
 [4 5]]
 [[6 7]
 [8 9]]
 [1 1 0]
 [1 0]
"""