Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Xác thực chuyển tiếp cho bài kiểm tra chuỗi thời gian
Kiểm tra nguồn gốc dự báo, cửa sổ cuộn và mở rộng cũng như rò rỉ dựa trên thời gian trong quy trình đánh giá thực tế và quy trình làm việc.
Câu hỏi 1 của 8
Mô hình hàng tháng huấn luyện suốt tháng 6 và dự báo tháng 7. Trong đánh giá cửa sổ mở rộng, lịch sử nào được sử dụng cho dự báo tháng 8 tiếp theo?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Mô hình hàng tháng huấn luyện suốt tháng 6 và dự báo tháng 7. Trong đánh giá cửa sổ mở rộng, lịch sử nào được sử dụng cho dự báo tháng 8 tiếp theo?
- Kết quả tháng 8 kết hợp với tháng 1 đến tháng 6
- Riêng tháng Bảy, bỏ hết những tháng trước
- Tháng Giêng đến tháng Bảy
- Từ tháng 1 đến tháng 6 với các tháng được sắp xếp lại ngẫu nhiên
- Sự khác biệt nào phân biệt cửa sổ đào tạo cuốn chiếu với cửa sổ đào tạo mở rộng?
- Cửa sổ cuộn giữ lại khoảng thời gian gần đây trong khi cửa sổ mở rộng tích lũy lịch sử trước đó
- Cửa sổ cuộn tích lũy tất cả lịch sử trước đó trong khi cửa sổ mở rộng giữ lại khoảng thời gian cố định gần đây
- Cả hai cửa sổ đều giữ lại mọi hàng lịch sử; chỉ có tầm nhìn dự báo của họ là khác nhau
- Sự khác biệt chỉ phụ thuộc vào tần suất dự đoán được đưa ra
- Một doanh nghiệp đưa ra quyết định trước bốn tuần. Tại sao chỉ đánh giá vào ngày hôm sau là không đủ?
- Sai số ngày hôm sau có thể nhân với 28 để xác định sai số của 4 tuần trước đó
- Hiệu suất mạnh mẽ vào ngày hôm sau đảm bảo thứ hạng tương tự cho các mô hình sau bốn tuần
- Chỉ riêng độ dài cửa sổ đào tạo đã xác định chân trời nào đã được đánh giá
- Khoảng thời gian được đánh giá không khớp với quyết định thực tế
- Một tính năng tính doanh số bán hàng trung bình trong cùng ngày mà doanh số bán hàng được dự đoán. Sự điều chỉnh nào giải quyết sự rò rỉ trực tiếp?
- Bao gồm cả doanh số bán hàng của ngày hôm sau vào mức trung bình
- Thay đổi lịch sử để loại trừ kết quả của ngày mục tiêu
- Điều chỉnh mô hình lớn hơn cho tính năng không bị dịch chuyển
- Sắp xếp ngẫu nhiên thứ tự của ngày đánh giá
- Tại sao dữ liệu bên ngoài lịch sử phải phản ánh sự chậm trễ xuất bản và sửa đổi trong quá trình kiểm tra ngược dự báo?
- Các bản sửa đổi đã xuất bản có thể được sử dụng bất cứ khi nào chúng chính xác hơn
- Một đối tượng được coi là an toàn bất cứ khi nào ngày quan sát của nó trước mục tiêu, bất kể ngày xuất bản
- Thông tin sau này có thể không có sẵn tại nguồn dự báo
- Bộ chia theo thứ tự thời gian sẽ tự động xây dựng lại các bản phát hành lịch sử
- Cần kiểm tra bổ sung gì ngay cả sau khi sử dụng bộ chia theo thứ tự như TimeSeriesSplit?
- Xác minh rằng việc chuẩn bị tính năng không sử dụng thông tin trong tương lai
- Giả sử mọi hoạt động tiền xử lý đều tự động an toàn
- Sử dụng toàn bộ tập dữ liệu để tính toán tất cả các mức trung bình mục tiêu
- Thay thế đường chân trời dự báo bằng sự phân chia ngẫu nhiên
- Phạm vi đánh giá chồng chéo tạo ra nhiều dự báo cho cùng một kết quả. Báo cáo cần nêu rõ điều gì?
- Rằng mọi dự báo về cùng một mục tiêu phải được tính là một kết quả độc lập
- Chỉ dự báo có sai số nhận ra nhỏ nhất mới được giữ lại
- Nguồn dự báo đó có thể bị loại bỏ sau khi biết ngày mục tiêu
- Cho dù việc ghi điểm là theo cơ hội dự báo hay tổng hợp theo thời gian mục tiêu
- Điều kiện dữ liệu nào cần được chú ý nhiều hơn khi sử dụng TimeSeriesSplit để so sánh các lần thử nghiệm có thời lượng bằng nhau?
- Các quan sát được thực hiện theo lịch trình cố định hàng ngày
- Các quan sát có khoảng cách không đều nhau về thời gian
- Mỗi nếp gấp chứa cùng một số lượng quan sát cách đều nhau cố định
- Cửa sổ đào tạo mở rộng qua các nếp gấp liên tiếp