Respuesta correcta
- BValidación por avance temporal (walk-forward) con una ventana en expansión
Explicación
La validación por avance temporal (walk-forward validation) con una ventana en expansión respeta el orden temporal de los datos de series temporales al entrenar con todos los datos hasta el momento t y probar en el período siguiente, expandiendo luego el conjunto de entrenamiento hacia adelante. Esto simula el escenario de pronóstico real donde el modelo solo ve datos pasados al predecir el futuro, y evita fugas que introducirían las divisiones aleatorias. Para un horizonte de pronóstico de 30 días sobre dos años de datos diarios, este es el enfoque estándar.
Para profundizar
Los datos de series temporales tienen un orden que importa: cada observación depende de lo que vino antes, y en el uso real el modelo siempre predice el futuro a partir del pasado. La división aleatoria rompe eso, porque los datos de entrenamiento incluyen entonces días posteriores a algunos días de prueba, por lo que el modelo efectivamente ve el futuro, y características como retardos (lags) o promedios móviles filtran información a través de la división. Las puntuaciones resultantes son optimistas y poco realistas. La validación por avance temporal, también llamada origen rodante o validación cruzada de series temporales, respeta el orden. Con una ventana en expansión, se entrena con datos hasta cierto punto, por ejemplo, los primeros 12 meses, se pronostica el siguiente horizonte, los siguientes 30 días, se registra el error, luego se mueve el punto de corte hacia adelante, se agregan los nuevos datos al entrenamiento y se repite. Promediar los errores entre pliegues muestra cómo se desempeña el modelo en diferentes momentos, incluidos los períodos estacionales, y refleja cómo se volverá a entrenar en producción. Esa es la opción B. Una ventana deslizante, que mantiene fija la longitud del entrenamiento, es una alternativa cuando los datos más antiguos se vuelven menos relevantes. Utilice métricas adecuadas para el pronóstico, como MAPE, error porcentual absoluto ponderado o RMSE, y compare con una línea base ingenua, como el mismo día del año pasado. Agregue también un intervalo entre los conjuntos de entrenamiento y prueba cuando las características utilicen valores retardados, para que ninguna información cruce el límite. Los distractores mezclan el tiempo. Una división aleatoria 80/20 (opción A), el muestreo estratificado (opción C) y la validación cruzada k-fold barajada (opción D) mezclan datos pasados y futuros. TimeSeriesSplit de scikit-learn implementa divisiones de ventana en expansión, y las pruebas retrospectivas estilo SageMaker Canvas y Amazon Forecast funcionan con el mismo principio.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de MLA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.