时间序列数据不能用train_test_split随机分割，否则会破坏时间依赖性、导致未来信息泄露；必须按时间先后严格切分，确保训练集所有样本时间戳早于测试集。
时间序列数据不能直接用 train_test_split
直接调用 train_test_split 会随机打乱样本顺序，破坏时间依赖性，导致未来信息泄露到训练集——模型在训练时“看到”了本该预测的未来值。这是最常踩的坑，错误结果往往看起来很好（因为过拟合了未来），但上线后崩溃。
- 必须按时间先后严格切分：训练集所有样本时间戳
- 推荐用
sklearn.model_selection.TimeSeriesSplit做交叉验证，它只做前向滚动切分，每次训练都用更早的数据 - 若手动切分，用
df.iloc[:n]或df.loc[:'2023-01-01']，别用布尔索引混用时间列和随机索引
特征工程里要显式构造滞后项和滑动统计量
Scikit-learn 本身不提供时间序列特征生成器，sklearn.preprocessing 里的标准缩放、编码等工具可以照常使用，但滞后（lag）、移动均值、滚动方差这些关键特征得自己加。
- 用
pandas.shift()构造滞后特征，例如df['value_lag1'] = df['value'].shift(1)；注意shift()会在开头引入NaN，后续需处理（删行或填充） - 用
pandas.rolling().mean()计算滑动窗口统计，如df['rolling_mean_7'] = df['value'].rolling(window=7).mean()；窗口大小要结合业务周期选（日频数据常用 7/30，分钟级可能用 60） - 避免在训练集上拟合滚动统计再应用到测试集——滚动统计依赖历史数据长度，测试集单独计算即可，不要用训练集参数“外推”
选择模型时注意是否支持时间结构
Scikit-learn 大部分模型（如 LinearRegression、RandomForestRegressor）本身不理解时间维度，它们只把滞后特征当普通数值输入。这没问题，但你要清楚：模型没“记住”时间顺序，全靠你提供的滞后项和时间戳编码来捕获动态。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
-
DecisionTreeRegressor和GradientBoostingRegressor对异常值和非线性关系鲁棒，适合中短期预测，但容易过拟合噪声 - 若原始时间序列有强趋势或季节性，先用
statsmodels.tsa.seasonal.seasonal_decompose分解，再对残差建模，比直接喂原序列效果更稳 - 别指望
SVR自动学出周期性——它需要你把星期几、小时、是否节假日等作为额外分类特征输入，否则只是拟合局部模式
评估指标必须用时间敏感的方式计算
用 sklearn.metrics.mean_absolute_error 本身没问题，但计算方式必须是单步向前（one-step-ahead）或滚动预测（rolling forecast），不能把整个测试集一次性喂给模型再比对。
- 写个简单循环：每步用截至当前的所有历史数据训练（或更新模型），预测下一步，存结果，再把真实值加入历史继续滚
- 警惕
cross_val_score默认的 k-fold——它默认打乱，必须传入cv=TimeSeriesSplit(n_splits=5) - 多步预测时，误差会累积放大，
MAPE在接近零的值上不稳定，优先用MAE或sMAPE
时间序列建模里最易被忽略的不是算法，而是数据切分逻辑和特征构造边界——滞后项取几阶、滚动窗用多大、验证集从哪天开始，这些决定比换模型影响更大。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
