⏳ 時間序列切分：別用明天推今天

時序資料「隨機切分」＝訓練集偷看未來，離線分數虛高、上線見光死。切換三種切法，親眼看洩漏怎麼發生、Walk-Forward 滾動窗怎麼做才對。

💡 白話定義

時間序列的相鄰日子高度相似（今天營收≈昨天營收）。若把 3 年資料隨機打散切訓練／測試，訓練集裡會混進「測試日的隔壁天、甚至更晚的日子」——模型等於先看過答案的鄰居，這叫時間洩漏。正確做法：訓練永遠在測試之前（依時間切分），更嚴謹用 Walk-Forward（滾動窗）：視窗一路往前滾、每輪都「用過去訓練、對未來驗證」。

🎮 互動實驗：60 天的資料怎麼切？

訓練日 測試日 ⚡ 洩漏：訓練日晚於某測試日
離線評估（看起來）：– 上線實測（實際上）：– –
隨機切分中：黃色⚡的訓練日都「晚於」某些測試日——模型正在偷看未來。

🧠 三種切法一句話

① 隨機切分：適合「彼此獨立」的資料（一人一筆的表格）；時序用它＝洩漏。
② 依時間切分：最後一段當測試（如最後 12 天）——最貼近上線情境的單次評估。
③ Walk-Forward／TimeSeriesSplit：多輪滾動——第 1 輪用 Day1–24 訓練、Day25–36 驗證；第 2 輪擴到 Day1–36 訓練、Day37–48 驗證……每輪都只用過去推未來，評估既穩又無偏。

✅ 自我檢測

Q1：門市營收預測隨機切 80/20，測試 MAPE 極佳、上線大爆炸——為什麼？

隨機切分讓訓練集混入測試日附近（甚至更晚）的資料，模型間接「看過答案的鄰居」；上線時沒有未來可看，效能現形。

Q2：時序資料的交叉驗證該用什麼？

TimeSeriesSplit／Walk-Forward 滾動窗：訓練期永遠早於驗證期。不能用隨機 K-fold，也不是 StratifiedKFold 的事。

Q3：「未來 30 天信用卡盜刷預測」該怎麼留測試集？

依時間切：以最後一段期間（如最近 3 個月）作測試集，並確保特徵在「預測時點」都拿得到（無事後欄位）。

🎯 重點整理

① 時序＋隨機切分＝時間洩漏：離線虛高、上線崩盤。
② 鐵律：訓練永遠在測試之前；多輪評估用 Walk-Forward 滾動窗。
③ sklearn 對應：TimeSeriesSplit（不是 KFold、不是 stratify）。
④ 同場加映：特徵也要「時點正確」——預測當下拿不到的欄位（事後資訊）不能用。