modeltime的ts_split_indices对象无法作为rsplit对象使用求助

split_nested_timeseries()生成的是ts_split_indices类型的嵌套时间序列拆分对象，而training()是rsample包中针对常规rsplit对象设计的函数，二者不兼容，这就是触发错误的核心原因。

使用modeltime包为嵌套时间序列拆分专门设计的工具函数，或者通过索引手动筛选训练数据：

方法1：专用提取函数 #

用extract_nested_train_split()直接提取嵌套拆分中的训练集，这是最简便的方式：

# 假设你的嵌套拆分对象名为nested_splits
train_data <- extract_nested_train_split(nested_splits)

方法2：手动按索引筛选 #

如果需要更灵活的操作，可先取出单个拆分的索引，再从原始数据中筛选：

# 取出第一个嵌套拆分的索引集合
split_idx <- nested_splits$splits[[1]]
# 从原始数据（假设为data）中筛选训练数据
train_data <- data[split_idx$train, ]

结合典型的嵌套时间序列拆分流程，修正后的代码如下：

library(tidymodels)
library(modeltime)
library(tidyverse)

# 示例数据
data <- m4_monthly %>% filter(id == "M750")

# 生成嵌套时间序列拆分
nested_splits <- data %>%
    time_series_split(initial = 36, assess = 12, cumulative = TRUE) %>%
    split_nested_timeseries(lag = 12, window = 36)

# 错误用法（会触发报错）
# train_data <- training(nested_splits)

# 正确用法1：专用函数提取
train_data1 <- extract_nested_train_split(nested_splits)

# 正确用法2：手动索引筛选
train_data2 <- data[nested_splits$splits[[1]]$train, ]

modeltime的嵌套时间序列拆分体系有专属的配套函数：比如extract_nested_test_split()用于提取测试集，modeltime_nested_fit()用于批量训练嵌套模型，建议优先使用这些专用函数，避免与rsample的常规拆分函数混淆。

内容的提问来源于stack exchange，提问作者Arcenis Rojas