Debes predecir la demanda de la semana que viene con tres años de datos semanales. ¿Qué esquema de validación encaja?
Opciones
- Validación cruzada de 5 partes con datos barajados
- Una división aleatoria 80/20
- Divisiones ordenadas en el tiempo: entrenar con semanas anteriores y validar con posteriores (por ejemplo
TimeSeriesSplit) (Opción correcta) - Validación cruzada leave-one-out
Respuesta
Divisiones ordenadas en el tiempo: entrenar con semanas anteriores y validar con posteriores (por ejemplo TimeSeriesSplit)
Por qué
En producción el modelo solo ve el pasado y predice el futuro. La validación debe copiar eso. Barajar deja que el modelo entrene con semanas posteriores a las que se prueban, lo que filtra información sobre tendencias y estacionalidad, y las puntuaciones salen demasiado buenas.
TimeSeriesSplit crea partes en las que la ventana de entrenamiento siempre va antes que la de validación.
Guarda un último periodo al final como conjunto de prueba intacto.
Recuerda
Datos en el tiempo: valida hacia delante.