• VALIDIERUNG
  • INDEXIERUNG
  • DATENSÄTZE
  • MENSCH

Zeitreihen-Splits erstellen mit der K-Fold Split Engine

Verbinden Sie die K-Fold Split Engine mit Ihrem KI-Client für die zeitliche Partitionierung. Die Reihenfolge bleibt erhalten, damit Ihre Modelle nicht durch Daten aus der Zukunft geschönt werden.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie splitte ich Zeitreihen ohne Shuffling?

Weisen Sie Ihrer KI an, die K-Fold Split Engine zu nutzen, um Ihren Datensatz mit nicht-gemischten Indizes zu partitionieren. Dies bewahrt die chronologische Sequenz, die für eine valide zeitliche Validierung notwendig ist. Sie erhalten spezifische Index-Sets, die den Zeitverlauf Ihrer Daten respektieren.

Die Ergebnisse

Das erhalten Sie durch den Split

Die KI übernimmt die Mathematik und die Indizierung, Sie erhalten saubere Partitionen.

VALIDIERUNG

Chronologische Testsets

Die KI nutzt calculate_kfold, um Indizes zu generieren, die Vergangenheit und Zukunft niemals vermischen. Das garantiert realistische Backtests.

INDEXIERUNG

Nicht-gemischte Partitionen

Die Engine erstellt spezifische Indexbereiche, die Ihrer ursprünglichen Datenreihenfolge folgen. So schneiden Sie Daten sauber zu, ohne die Zeitkomponente zu verlieren.

DATENSÄTZE

Einsatzbereite Split-Gruppen

Ihre KI organisiert die resultierenden Indizes in klare Folds. Diese können Sie sofort für Ihre Trainings- und Test-Workflows verwenden.

MENSCH

Manuelle Index-Prüfung

Die KI liefert die Indexlisten, aber Sie entscheiden, ob die Split-Punkte mit Ihrer Geschäftslogik oder saisonalen Ereignissen übereinstimmen.

Der Ablauf

Was Ihre KI tut, sobald die Daten vorliegen.

Die KI nimmt Ihren rohen zeitlichen Datensatz und wendet mathematische Partitionierungslogik an.

  1. Zeitliche Ordnung analysieren

    Ihre KI prüft den Datensatz, um die Sequenz der Beobachtungen zu identifizieren. Sie stellt sicher, dass die Zeitkomponente vor allen Berechnungen gewahrt bleibt.

    calculate_kfold

  2. Nicht-gemischte Indizes generieren

    Die KI berechnet die exakten Indexgrenzen für jeden Fold. Ein Shuffling wird vermieden, um Data Leakage von der Zukunft in die Vergangenheit zu verhindern.

    calculate_kfold

  3. Fold-Gruppen organisieren

    Die KI gruppiert diese Indizes in getrennte Trainings- und Validierungssets. Diese Struktur ermöglicht einen einfachen Durchlauf Ihres Testprozesses.

    calculate_kfold

  4. Index-Sets liefern

    Die KI stellt die finalen Index-Arrays direkt in Ihrem Chat-Interface bereit. Diese können Sie nutzen, um Ihre tatsächlichen Dataframes zu slicen.

    calculate_kfold

Probieren Sie es

Kopieren Sie diese Vorlagen.

Nutzen Sie diese Prompts, um den Splitting-Prozess zu starten.

Startpunkte

Ersetzen Sie den Text in den Klammern durch Ihre tatsächlichen Dateinamen oder Dataframe-Variablen.

Native V8 Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_s2GV5rIVsuaI8v3RQcUudqBkroj2wfBRhHbY1JIg/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Native V8 capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "k-fold-split-engine-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_s2GV5rIVsuaI8v3RQcUudqBkroj2wfBRhHbY1JIg/mcp"
    }
  }
}
In den Chat kopieren04

  • Nutze die K-Fold Split Engine, um 5 zeitliche Folds für meine Datei 'sales_data.csv' zu erstellen.

  • Ich muss meinen 'sensor_readings' Dataframe mit nicht-gemischten Indizes in Trainings- und Testsets splitten.

  • Wende einen Time-Series-Split auf den 'stock_prices' Datensatz in meinem aktuellen Workspace an.

  • Generiere die Indizes für einen 3-Fold-Split meines 'weather_logs' Datensatzes, ohne die Zeilen zu mischen.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmal verbinden, dann fragen.

Fügen Sie den Connector einfach Ihrem Client hinzu. Ihre Zugangsdaten bleiben verschlüsselt und Sie können sofort mit den Abfragen zu den Splits beginnen.

K-Fold Split Engine mit Ihrer KI verbinden

FAQ

So funktioniert das Splitting

  • 01

    Mischt die KI meine Daten?

    Nein. Dieser Connector ist speziell darauf ausgelegt, nicht-gemischte Indizes zu verwenden, um die chronologische Ordnung Ihrer Zeitreihen zu bewahren.

  • 02

    Kann die KI meine ursprüngliche CSV-Datei ändern?

    Nein. Die KI berechnet lediglich die Indizes. Sie sind dafür verantwortlich, diese Indizes auf Ihre Dateien anzuwenden, um die tatsächlichen Splits zu erstellen.

  • 03

    Wie viele Folds kann ich erstellen?

    Sie können in Ihrem Prompt jede beliebige Anzahl an Folds angeben, und die KI berechnet die entsprechenden Indexbereiche.

  • 04

    Verhindert dies Data Leakage?

    Ja. Durch den Verzicht auf Shuffling stellt die KI sicher, dass Ihre Trainingsdaten nur Beobachtungen enthalten, die vor Ihren Validierungsdaten liegen.

  • 05

    Kann die KI das eigentliche Slicing der Daten übernehmen?

    Nein. Das Tool liefert die mathematischen Index-Sets. Sie müssen diese Indizes in Ihrer eigenen Umgebung nutzen, um Ihre Dataframes zu slicen.

  • Weitere Fragen zur K-Fold Split Engine? Die Connector-Seite liefert Antworten. Alle Funktionen des K-Fold Split Engine Connectors ansehen

Verbinde Native V8 mit Claude, Cursor, ChatGPT & mehr