背景：我有一个每月生成的数据集（它与包含每月卡片人口统计和交易的卡片数据类似，并且可以在数据系列中间添加新帐户）。根据这些历史数据，我需要建立一个分类模型来预测下个月的二进制标签。

问题：哪种更好的交叉验证拆分类型可用于获得公平的模型分数评估（没有偏差和低方差）？为了清楚起见，我们需要 15 个月的训练数据，并且需要使用 5 倍交叉验证拆分对模型进行超调。我在下面有两个选项，但如果你有其他选项也没关系。

1.留一式的时间序列

• 折叠 1：训练 [1 2 3 4 5 6 7 8 9 10]，测试 [11]
• 折叠 2：训练 [1 2 3 4 5 6 7 8 9 10 11]，测试 [12]
• 折叠 3：训练 [1 2 3 4 5 6 7 8 9 10 11 12]，测试 [13]
• 折叠 4：训练 [1 2 3 4 5 6 7 8 9 10 11 12 13]，测试 [14]
• 折叠 5：训练 [1 2 3 4 5 6 7 8 9 10 11 12 13 14]，测试 [15]

2. 带休止符类型的时间序列

• 折叠 1：训练 [1 2 3 4 5 6 7 8 9 10]，测试 [11 12 13 14 15]
• 折叠 2：训练 [1 2 3 4 5 6 7 8 9 10 11]，测试 [12 13 14 15]
• 折叠 3：训练 [1 2 3 4 5 6 7 8 9 10 11 12]，测试 [13 14 15]
• 折叠 4：训练 [1 2 3 4 5 6 7 8 9 10 11 12 13]，测试 [14 15]
• 折叠 5：训练 [1 2 3 4 5 6 7 8 9 10 11 12 13 14]，测试 [15]

感谢您的回答，将非常感谢任何回应。