Bonne réponse
- BValidation walk-forward avec une fenêtre extensible
Explication
La validation « walk-forward » avec une fenêtre extensible respecte l'ordre temporel des données de séries temporelles en s'entraînant sur toutes les données jusqu'au temps t et en testant sur la période suivante, puis en étendant l'ensemble d'entraînement vers l'avant. Cela simule le scénario de prévision réel où le modèle ne voit que les données passées lors de la prédiction du futur, et cela empêche la fuite que des séparations aléatoires introduiraient. Pour un horizon de prévision de 30 jours sur deux ans de données quotidiennes, c'est l'approche standard.
Pour aller plus loin
Les données de séries temporelles ont un ordre qui compte : chaque observation dépend de ce qui est venu avant, et en utilisation réelle, le modèle prédit toujours le futur à partir du passé. La séparation aléatoire brise cela, car les données d'entraînement incluent alors des jours après certains jours de test, donc le modèle voit effectivement le futur, et des caractéristiques telles que les décalages ou les moyennes mobiles font fuiter des informations à travers la séparation. Les scores résultants sont optimistes et irréalistes. La validation « walk-forward », aussi appelée « rolling-origin » ou validation croisée de séries temporelles, respecte l'ordre. Avec une fenêtre extensible, vous vous entraînez sur des données jusqu'à un point, par exemple les 12 premiers mois, prévoyez l'horizon suivant, les 30 jours suivants, enregistrez l'erreur, puis déplacez la coupure vers l'avant, ajoutez les nouvelles données à l'entraînement, et répétez. Faire la moyenne des erreurs sur les plis montre comment le modèle se comporte à différents moments, y compris les périodes saisonnières, et reflète comment il sera réentraîné en production. C'est l'option B. Une fenêtre glissante, qui maintient la longueur d'entraînement fixe, est une alternative lorsque les données plus anciennes deviennent moins pertinentes. Utilisez des métriques adaptées à la prévision, telles que MAPE, l'erreur absolue en pourcentage pondérée ou RMSE, et comparez par rapport à une base de référence naïve, telle que le même jour de l'année dernière. Ajoutez également un écart entre les jeux d'entraînement et de test lorsque les caractéristiques utilisent des valeurs décalées, afin qu'aucune information ne traverse la frontière. Les distracteurs mélangent tous le temps. Une séparation aléatoire 80/20 (option A), l'échantillonnage stratifié (option C) et la k-fold mélangée (option D) mélangent toutes les données passées et futures. TimeSeriesSplit de scikit-learn implémente des séparations à fenêtre extensible, et le backtesting de style SageMaker Canvas et Amazon Forecast fonctionne sur le même principe.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement MLA-C01 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.