引導式測驗 · 中等 等級
時間序列測驗的前向驗證
在實際的步進評估和功能工作流程中測試預測起源、捲動和擴展視窗以及基於時間的洩漏。
問題 1 的 8
每個月的模型在六月前訓練並預測七月。在擴張式窗口評估中,哪段歷史被用於下一個八月的預測?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 每個月的模型在六月前訓練並預測七月。在擴張式窗口評估中,哪段歷史被用於下一個八月的預測?
- 八月結果與一月至六月結合
- 僅使用七月,丟棄所有較早的月份
- 一月至七月
- 一月至六月,月份隨機重新排序
- 哪個區別將滾動訓練窗口與擴張窗口區分開來?
- 滾動窗口保留最近的跨度,而擴張窗口累積較早的歷史
- 滾動窗口累積所有較早的歷史,而擴張窗口保留固定的最近跨度
- 兩種窗口都保留每一條歷史資料;只有它們的預測時程不同
- 區別僅取決於預測發佈的頻率
- 一家公司提前四週做決策。為什麼僅靠次日評估可能不足?
- 次日誤差可以乘以28來確定四週前的誤差
- 強大的次日表現保證模型在四週時的排名相同
- 僅訓練視窗長度就決定了評估的預測範圍
- 評估的預測範圍與實際決策不符
- 一個特徵會將與被預測銷售額相同日期的銷售額取平均。哪種修正能解決直接洩漏?
- 同時將次日的銷售額納入平均
- 將歷史資料移位,使目標日的結果被排除
- 對未移位的特徵使用更大的模型進行擬合
- 隨機化評估日期的順序
- 為什麼歷史外部資料在預測回測中需要考慮出版延遲與修訂?
- 只要修訂版更精確,就可以使用已發布的修訂版
- 只要特徵的觀測日期早於目標日期,即使出版日期較晚,該特徵也是安全的
- 較晚的資訊在預測起點時可能尚未取得
- 時間排序的分割器會自動重建歷史發佈
- 即使使用像 TimeSeriesSplit 這樣的時間排序分割器,還需要進行哪些額外檢查?
- 驗證特徵準備過程未使用未來資訊
- 假設每個預處理操作都自動安全
- 使用整個資料集計算所有目標平均值
- 用隨機分割取代預測時段
- 重疊的評估時段會為同一結果產生多個預測。報告應該說明什麼?
- 每個相同目標的預測都應視為獨立結果
- 只保留實際誤差最小的預測
- 一旦知道目標日期,預測來源可被丟棄
- 評分是按預測機會還是按目標時間聚合
- 在使用 TimeSeriesSplit 比較等長測試折疊時,哪種資料條件需要額外注意?
- 觀測以固定的每日時間表到達
- 觀測在時間上不規則間隔
- 每個折疊包含相同固定數量的等間距觀測
- 訓練窗口在連續的折疊中擴展