Gids-gekoppelde quiz · Middelmatig Niveau

Walk-Forward-validatie voor tijdreeksquiz

Test de oorsprong van prognoses, rollende en uitbreidende vensters en op tijd gebaseerde lekkage in realistische evaluatie en functieworkflows.

Vraag 1 van 8

Een maandelijks model traint tot juni en voorspelt juli. In een expanding-window evaluatie, welke geschiedenis wordt gebruikt voor de volgende augustusvoorspelling?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Een maandelijks model traint tot juni en voorspelt juli. In een expanding-window evaluatie, welke geschiedenis wordt gebruikt voor de volgende augustusvoorspelling?
    • August outcomes combined with January through June
    • July alone, discarding all earlier months
    • January through July
    • January through June with months randomly reordered
  2. Welke onderscheid maakt een rolling training window van een expanding one?
    • A rolling window retains a recent span while an expanding window accumulates earlier history
    • A rolling window accumulates all earlier history while an expanding window retains a fixed recent span
    • Both windows retain every historical row; only their forecast horizons differ
    • The distinction depends only on how often predictions are issued
  3. Een bedrijf neemt beslissingen vier weken van tevoren. Waarom zou alleen een evaluatie van de volgende dag onvoldoende kunnen zijn?
    • Next-day error can be multiplied by 28 to determine four-week-ahead error
    • Strong next-day performance guarantees the same ranking of models at four weeks
    • The training-window length alone determines which horizon has been evaluated
    • De geëvalueerde horizon komt niet overeen met de daadwerkelijke beslissing
  4. Een functie berekent het gemiddelde van de verkopen op dezelfde dag waarvan de verkopen worden voorspeld. Welke correctie pakt de directe lekkage aan?
    • Neem ook de omzet van de volgende dag mee in het gemiddelde
    • Verschuif de geschiedenis zodat de uitkomst van de doeldag wordt uitgesloten
    • Monteer een groter model op het niet-verschoven kenmerk
    • Willekeurige volgorde van de evaluatiedata
  5. Waarom moeten historische externe gegevens publicatievertragingen en herzieningen weerspiegelen in een prognose-backtest?
    • Gepubliceerde revisies kunnen worden gebruikt wanneer ze nauwkeuriger zijn
    • Een feature is veilig wanneer de observatiedatum voorafgaat aan het doel, ongeacht de publicatiedatum
    • Latere informatie was mogelijk niet beschikbaar bij de voorspelde oorsprong
    • Een tijdgeordende splitter reconstrueert automatisch historische releases
  6. Welke extra controle is nodig, zelfs na gebruik van een bestelde splitter zoals TimeSeriesSplit?
    • Controleer of bij de voorbereiding van de functies geen gebruik is gemaakt van toekomstige informatie
    • Stel dat elke voorbewerking automatisch veilig is
    • Use the whole dataset to calculate all target averages
    • Replace the forecast horizon with a random split
  7. Overlapping evaluation horizons produce several forecasts for the same outcome. What should the report specify?
    • That every forecast of the same target should be counted as an independent outcome
    • That only the forecast with the smallest realized error is retained
    • That forecast origins can be discarded once the target date is known
    • Whether scoring is by forecast opportunity or aggregated by target time
  8. Which data condition requires extra care when using TimeSeriesSplit to compare equal-duration test folds?
    • Observations arrive on a fixed daily schedule
    • Observations are irregularly spaced in time
    • Each fold contains the same fixed number of regularly spaced observations
    • The training window expands across successive folds