使用sktime TimeSeriesSplit对Pandas时序DataFrame做交叉验证报错求助

报错核心原因 #

这个TypeError的本质是数据格式不匹配sktime的要求：

• sktime要求时间序列的时间列必须作为DataFrame的索引（而非普通列），且索引需为datetime类型
• sklearn的TimeSeriesSplit是为传统表格数据设计的，直接和sktime预测器结合会出现接口兼容问题

解决步骤 #

1. 预处理数据，转为sktime兼容格式

把timepoint列转为datetime类型并设置为索引，保留balance作为唯一数据列：

import pandas as pd

# 假设原始数据为df
df['timepoint'] = pd.to_datetime(df['timepoint'])
df = df.set_index('timepoint')
# 确保为单变量序列（sktime单变量预测要求）
df = df[['balance']]

2. 使用sktime原生交叉验证工具完成验证

替换sklearn的TimeSeriesSplit为sktime的同功能工具，配合sktime预测器接口完成交叉验证并计算MSE：

from sktime.forecasting.fbprophet import Prophet
from sktime.forecasting.model_selection import TimeSeriesSplit
from sklearn.metrics import mean_squared_error
import numpy as np

# 初始化模型与交叉验证分割器
forecaster = Prophet()
tscv = TimeSeriesSplit(n_splits=5)

mse_scores = []
# 遍历每个交叉验证折
for train_idx, test_idx in tscv.split(df):
    y_train = df.iloc[train_idx]
    y_test = df.iloc[test_idx]
    
    # 定义预测步长fh（需与测试集长度匹配）
    fh = np.arange(1, len(y_test)+1)
    forecaster.fit(y_train)
    
    # 生成预测结果并计算MSE
    y_pred = forecaster.predict(fh=fh)
    mse = mean_squared_error(y_test, y_pred)
    mse_scores.append(mse)

# 输出平均MSE
print(f"交叉验证平均MSE: {np.mean(mse_scores):.4f}")

关键注意事项 #

• sktime预测器（如Prophet）是面向预测任务设计的，必须明确指定fh（预测步长），不能像sklearn模型那样直接传入X/y
• 如果数据存在日期缺失，建议先用df.asfreq('D')补全每日数据（匹配你的数据频率）

内容的提问来源于stack exchange，提问作者PV8