Kuiz berkaitan panduan · Sederhana Tahap
Ciri Lag untuk Kuiz Ramalan Siri Masa
Bina ciri lag dan rolling yang sah masa, kenal pasti risiko kebocoran dan pilih pemisahan pengesahan yang menyerupai penggunaan ramalan masa hadapan.
soalan 1 daripada 8
Untuk meramal y_t sebelum masa t, ciri lag yang manakah sah buat sementara waktu?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Untuk meramal y_t sebelum masa t, ciri lag yang manakah sah buat sementara waktu?
- y_(t-1)
- y_(t+1)
- Nilai direalisasikan y_t
- Purata semua pemerhatian sepanjang tempoh ujian
- Di manakah min tujuh hari yang ketinggalan harus berakhir apabila meramalkan nilai hari berikutnya?
- Pada hari sasaran termasuk nilai sebenar
- Pada hari terakhir diperhatikan sepenuhnya sebelum sasaran
- Pada penghujung set data penilaian penuh
- Pada ufuk ramalan masa depan
- Mengapakah pemisahan rawak boleh memberikan penilaian siri masa yang tidak realistik?
- Ia menghilangkan semua struktur bermusim
- Ia menjadikan setiap ciri ketinggalan hilang
- Baris akan datang boleh melatih model yang dinilai pada tempoh sebelumnya
- Ia menjamin bahawa baris ujian mendahului baris latihan
- Bilakah penunjuk percutian yang dirancang sebagai ciri ramalan yang sah?
- Apabila ketepatan model bertambah baik
- Hanya selepas cuti itu berlaku
- Apabila ia dikira menggunakan hasil ujian
- Apabila maklumat kalendar diketahui pada masa ramalan
- Mengapakah pemisahan pengesahan mungkin termasuk jurang?
- Untuk membuat ramalan ufuk rawak
- Label tertunda atau tingkap bertindih sebaliknya boleh melintasi sempadan
- Untuk memastikan semua ciri diseragamkan dua kali
- Untuk meningkatkan data latihan dengan pemerhatian masa hadapan
- Bagaimanakah penskalaan atau imputasi patut sesuai semasa pengesahan silang siri masa?
- Hanya pada set ujian akhir
- Sekali pada semua tarikh sebelum berpisah
- Dalam setiap lipatan latihan sahaja
- Secara berasingan pada setiap ciri individu selepas ramalan
- Prosedur yang manakah secara rekursif menjana ramalan berbilang langkah?
- Alih keluar semua ciri ketinggalan selepas ramalan pertama
- Gunakan hanya nilai sebenar masa hadapan pada setiap langkah
- Latih model berasingan untuk setiap kelas sasaran
- Suapkan ramalan ramalan awal kepada ciri ramalan kemudian
- Apakah yang perlu dihasilkan semula oleh ujian belakang untuk penilaian yang boleh dipercayai?
- Maklumat tersedia di setiap asal ramalan dan kaden latihan semula yang dimaksudkan
- Hanya matriks ciri akhir selepas semua data dikumpul
- Susunan rawak sasaran sejarah
- Ketepatan latihan model sahaja