Jakie metody walidacji modeli szeregów czasowych wykluczają podgląd w przyszłość podczas treningu?

Pracując z szeregami czasowymi, ważne jest, aby unikać wycieku informacji z przyszłości do treningu modelu, aby zapewnić uczciwą ocenę jego jakości. W tym celu stosuje się specjalne metody walidacji:

• Podział szeregów czasowych (Walidacja krok po kroku) — dane dzielone są na kolejne okna czasowe. Model jest trenowany na danych do określonego momentu, a następnie testowany na następnym interwale czasowym. Następnie okno przesuwa się do przodu.

• Ruchomy punkt początkowy prognozy — podobny do podziału szeregów czasowych, ale z stopniowym rozszerzaniem zbioru treningowego, co imituje rzeczywisty scenariusz prognozowania.

• Zablokowana walidacja krzyżowa — dane dzielone są na bloki czasowe, a bloki treningowe i testowe nie nakładają się na siebie ani nie są sąsiednie, aby wykluczyć korelacje.

• Oczyszczony K-Fold — podczas dzielenia na foldy usuwane są okresy bliskie granicom między zbiorami treningowymi i testowymi, aby uniknąć wycieków.

Metody te gwarantują, że podczas treningu model nie widzi danych z przyszłości, co jest krytyczne dla szeregów czasowych.