是否有函数可计算时间序列交叉验证全程的总得分？

数据老陈

2026-8-9

解决方案

scikit-learn中没有直接返回时间序列交叉验证全程总得分的函数，但可以通过两种方式手动实现，核心思路是收集所有测试折的预测结果，再用完整的测试样本标签和预测结果计算一次得分：

方法1：使用`cross_val_predict`（简洁版）

cross_val_predict会按照你定义的tscv划分规则，依次对每个测试折做预测，最终返回所有测试样本的预测值数组（保持原始数据顺序），直接用这个数组和真实标签计算总得分即可：

from sklearn.model_selection import cross_val_predict
from sklearn.metrics import precision_score
from sklearn.svm import SVC

# 获取所有测试样本的预测结果
y_pred = cross_val_predict(
    SVC(), 
    X, 
    y, 
    cv=tscv, 
    n_jobs=-1
)

# 计算全程总精度得分（和你之前用的scorer参数一致）
total_precision = precision_score(y, y_pred, zero_division=1)

方法2：手动遍历交叉验证折（灵活版）

如果需要更灵活的控制（比如记录每折的训练细节），可以手动遍历tscv的划分索引，收集所有测试集的真实标签和预测结果：

from sklearn.base import clone
from sklearn.metrics import precision_score
from sklearn.svm import SVC

model = SVC()
y_true_all = []
y_pred_all = []

# 遍历每个交叉验证折
for train_idx, test_idx in tscv.split(X):
    # 划分训练/测试集
    X_train, X_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]
    
    # 克隆模型，避免不同折之间的参数干扰
    clf = clone(model)
    clf.fit(X_train, y_train)
    
    # 预测并收集结果
    y_pred = clf.predict(X_test)
    y_true_all.extend(y_test)
    y_pred_all.extend(y_pred)

# 计算全程总得分
total_precision = precision_score(y_true_all, y_pred_all, zero_division=1)