我正在对时间序列传感器数据（在 Python 中）进行分类，其中我将传感器数据分割成具有一定窗口长度（例如 3 秒）的样本。然而，样本也相互重叠。例如，第一个样本是 0s$\rightarrow$3s，秒是2.7s$\rightarrow$5.7秒...

我现在想知道，我如何才能对这些样本进行适当的训练测试拆分。现在，我看到了两种方法：

1. 拆分样本而不先对其进行洗牌，然后将样本放在“边界”，以避免训练数据和测试数据之间的重叠。但是，这并不是最优的，因为我希望从整个数据集中获取用于训练和测试集的样本。否则我只会在数据序列上测试分类器，这可能与用于训练的序列非常不同。

2. 首先将样本打乱，然后将它们拆分为测试训练。这将导致训练和测试数据之间的重叠，因此会产生过于乐观的结果。

有谁知道如何做到这一点？