Découper les données train/test

Vous avez appris à différencier une série pour la rendre stationnaire. Avant d'ajuster un modèle, il faut séparer les données en deux blocs distincts : un ensemble d'entraînement et un ensemble de test. Cette leçon explique comment réaliser ce découpage de façon rigoureuse avec pandas, et pourquoi la méthode utilisée pour les données classiques est ici interdite. Pourquoi le découpage aléatoire est interdit Dans un problème de classification classique, mélanger les observations avant de les séparer est courant. Avec une série temporelle, cette pratique détruit l'ordre chronologique : des valeurs futures se retrouveraient dans l'entraînement, et des valeurs passées dans le test. Le modèle app