Zaman serisi modellerinin doğrulama yöntemleri eğitim sırasında geleceğe bakmayı nasıl dışlar?

Zaman serileriyle çalışırken, model eğitimi sırasında gelecekteki bilgilerden sızmayı önlemek önemlidir, böylece modelin kalitesi adil bir şekilde değerlendirilebilir. Bunun için özel doğrulama yöntemleri kullanılır:

• Zaman Serisi Bölmesi (İleriye Doğru Doğrulama) — veriler ardışık zaman pencerelerine bölünür. Model, belirli bir zamana kadar olan verilerle eğitilir ve sonraki zaman aralığında test edilir. Ardından pencere ileriye kaydırılır.

• Sürekli Tahmin Kaynağı — zaman serisi bölmesine benzer, ancak eğitim kümesi kademeli olarak genişletilir, bu da gerçekçi bir tahmin senaryosunu taklit eder.

• Bloklu Çapraz Doğrulama — veriler zaman açısından bloklara ayrılır ve eğitim ile test blokları çakışmaz veya komşu değildir, böylece korelasyon engellenir.

• Purge K-Fold — fold'lara bölünürken, eğitim ve test kümesi sınırlarına yakın dönemler kaldırılır, böylece sızıntı önlenir.

Bu yöntemler, eğitim sırasında modelin gelecekteki verileri görmesini engeller ve zaman serileri için kritiktir.