Resposta correta
- BValidação walk-forward com uma janela expansível
Explicação
A validação walk-forward com uma janela expansível respeita a ordem temporal dos dados de séries temporais ao treinar em todos os dados até o tempo t e testar no próximo período, expandindo então o conjunto de treinamento para frente. Isso simula o cenário de previsão real onde o modelo vê apenas dados passados ao prever o futuro, e evita o vazamento que divisões aleatórias introduziriam. Para um horizonte de previsão de 30 dias em dois anos de dados diários, esta é a abordagem padrão.
Para se aprofundar
Dados de séries temporais têm uma ordem que importa: cada observação depende do que veio antes, e no uso real o modelo sempre prevê o futuro a partir do passado. A divisão aleatória quebra isso, pois os dados de treinamento incluem dias após alguns dias de teste, então o modelo efetivamente vê o futuro, e recursos como defasagens ou médias móveis vazam informações através da divisão. As pontuações resultantes são otimistas e irreais. A validação walk-forward, também chamada de rolling-origin ou validação cruzada de séries temporais, respeita a ordem. Com uma janela expansível, você treina em dados até um ponto, por exemplo, os primeiros 12 meses, prevê o próximo horizonte, os próximos 30 dias, registra o erro, então move o ponto de corte para frente, adiciona os novos dados ao treinamento e repete. Tirar a média dos erros entre as dobras mostra como o modelo se comporta em diferentes momentos, incluindo períodos sazonais, e reflete como ele será retreinado em produção. Essa é a opção B. Uma janela deslizante, que mantém o comprimento do treinamento fixo, é uma alternativa quando dados mais antigos se tornam menos relevantes. Use métricas adequadas para previsão, como MAPE, erro percentual absoluto ponderado ou RMSE, e compare com uma linha de base ingênua, como o mesmo dia do ano passado. Adicione também um intervalo entre os conjuntos de treinamento e teste quando os recursos usam valores defasados, para que nenhuma informação cruze a fronteira. Os distratores todos embaralham o tempo. Uma divisão aleatória 80/20 (opção A), amostragem estratificada (opção C) e k-fold embaralhado (opção D) misturam dados passados e futuros. O TimeSeriesSplit do scikit-learn implementa divisões de janela expansível, e o backtesting estilo SageMaker Canvas e Amazon Forecast funciona no mesmo princípio.
Sobre estas questões de prática
Esta é uma das questões de prática originais de MLA-C01 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.