如何在Python中对观测日期不规则、每日观测数不均的数据执行时间序列交叉验证？

• 基于含观测日期、目标变量及对应特征的数据集开展XGBoost回归任务，核心诉求是为训练集与测试集合理应用时间序列交叉验证（或分组时间序列交叉验证）
• 数据集特征：平均每日有5条目标变量观测记录，部分日期为4条或10条，多数日期保持5条观测
• 当前划分方式：无法采用随机划分，已基于特定日期索引按70/30比例划分训练集与测试集
• 存在的疑问：
  • 曾看到相关方案要求将观测数超过4条的日期裁剪至恰好4条，但不确定该如何选择需要移除的观测
  • 是否存在无需裁剪数据，即可对全量数据集执行分组时间序列交叉验证的方法？

数据集示例（DataFrame） #

Target      Feature      dayofmonth  weekofyear
Obs. Date                                      ...                        
2008-06-16                 140.2           25  ...          16          
2008-06-16                 140.7           25  ...          16          
2008-06-16                 139.0           25  ...          16          
2008-06-16                 144.5           25  ...          16          

2018-09-04                  64.9           36  ...           4          
2018-09-04                  72.9           36  ...           4          
2018-09-04                  75.6           36  ...           4          
2018-09-04                  71.6           36  ...           4          
2018-09-04                  74.9           36  ...           4          

[618 rows x 46 columns]

内容的提问来源于stack exchange，提问作者Captain Nemo