Walidacja przejścia do przodu dla quizu dotyczącego szeregów czasowych

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Miesięczny model pociągów do czerwca i prognoz na lipiec. Jaka historia jest wykorzystywana w przypadku kolejnej prognozy sierpniowej w ocenie w oknie rozszerzającym się?
   • Wyniki sierpnia w połączeniu z okresem od stycznia do czerwca
   • Sam lipiec, odrzucając wszystkie wcześniejsze miesiące
   • Od stycznia do lipca
   • Od stycznia do czerwca z losowo zmienioną kolejnością miesięcy
2. Jakie rozróżnienie oddziela kroczące okno szkoleniowe od rozszerzającego się?
   • Okno kroczące zachowuje ostatni okres, podczas gdy okno rozwijające się gromadzi wcześniejszą historię
   • Okno kroczące gromadzi całą wcześniejszą historię, podczas gdy okno rozwijające zachowuje stały, niedawny zakres
   • Obydwa okna zachowują każdy historyczny rząd; różnią się jedynie horyzonty ich prognoz
   • Rozróżnienie zależy jedynie od tego, jak często publikowane są prognozy
3. Firma podejmuje decyzje na cztery tygodnie do przodu. Dlaczego sama ocena następnego dnia może nie wystarczyć?
   • Błąd następnego dnia można pomnożyć przez 28, aby określić błąd na cztery tygodnie do przodu
   • Wysoka wydajność następnego dnia gwarantuje taki sam ranking modeli po czterech tygodniach
   • Sama długość okna szkoleniowego określa, który horyzont został oceniony
   • Oceniany horyzont nie pokrywa się z faktyczną decyzją
4. Funkcja uśrednia sprzedaż w tym samym dniu, którego sprzedaż jest prognozowana. Która korekta dotyczy bezpośredniego wycieku?
   • Uwzględnij także sprzedaż następnego dnia w średniej
   • Przesuń historię, aby wykluczyć wynik dnia docelowego
   • Dopasuj większy model do elementu bez przesunięcia
   • Losuj kolejność dat oceny
5. Dlaczego historyczne dane zewnętrzne powinny odzwierciedlać opóźnienia w publikacji i korekty w teście historycznym prognoz?
   • Opublikowane wersje można wykorzystać, jeśli są one dokładniejsze
   • Obiekt jest bezpieczny, jeśli data jego obserwacji poprzedza cel, niezależnie od daty publikacji
   • Późniejsze informacje mogły nie być dostępne w momencie powstania prognozy
   • Splitter uporządkowany czasowo automatycznie rekonstruuje wydania historyczne
6. Jakie dodatkowe sprawdzenie jest potrzebne nawet po użyciu uporządkowanego rozdzielacza, takiego jak TimeSeriesSplit?
   • Sprawdź, czy podczas przygotowywania funkcji nie wykorzystano przyszłych informacji
   • Załóżmy, że każda operacja wstępnego przetwarzania jest automatycznie bezpieczna
   • Użyj całego zbioru danych, aby obliczyć wszystkie średnie docelowe
   • Zastąp horyzont prognozy losowym podziałem
7. Nakładające się horyzonty ewaluacyjne dają kilka prognoz tego samego wyniku. Co powinien określać raport?
   • Że każdą prognozę dotyczącą tego samego celu należy liczyć jako niezależny wynik
   • Aby zachowana została tylko prognoza z najmniejszym zrealizowanym błędem
   • Początki prognozy można odrzucić, gdy znana jest data docelowa
   • Niezależnie od tego, czy punktacja jest oparta na prognozowanej możliwości, czy zagregowana według docelowego czasu
8. Który warunek danych wymaga szczególnej ostrożności podczas używania TimeSeriesSplit do porównywania fałd testów o równym czasie trwania?
   • Obserwacje przychodzą według stałego harmonogramu dnia
   • Obserwacje są nieregularnie rozłożone w czasie
   • Każdy fałd zawiera tę samą stałą liczbę regularnie rozmieszczonych obserwacji
   • Okno szkoleniowe rozwija się w kolejnych zwinięciach