提前一天进行基础预测模型评估。对于我的列车测试拆分，我是做80:20拆分还是(其余时间:最后一天)拆分？

对于提前一天进行基础预测模型评估的问题，我建议采用80:20拆分的方式。

80:20拆分是指将数据集按照80%和20%的比例划分为训练集和测试集。训练集用于模型的训练和参数调优，而测试集则用于评估模型的性能和泛化能力。

采用80:20拆分的优势在于，训练集占据了较大比例的数据，可以更好地训练模型，使其能够更好地拟合数据的特征。而测试集则可以用来验证模型的泛化能力，即模型对于未见过的数据的预测能力。

对于列车测试拆分，如果拆分为80:20，那么可以将80%的数据作为训练集，用于训练基础预测模型，并进行参数调优。剩下的20%的数据作为测试集，用于评估模型的性能和泛化能力。

另一种拆分方式是(其余时间:最后一天)拆分，即将最后一天的数据作为测试集，其余时间的数据作为训练集。这种拆分方式的优势在于，测试集包含了最接近实际应用场景的数据，可以更准确地评估模型在实际情况下的表现。

综合考虑，我建议采用80:20拆分的方式进行列车测试拆分。这样可以充分利用数据进行模型训练和参数调优，并且通过测试集评估模型的性能和泛化能力。在腾讯云的产品中，可以使用腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）来进行基础预测模型的训练和评估。