Análise prática de séries temporais

Capítulo 11. Medição de erros

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Nos capítulos anteriores, utilizámos uma série de medidas para comparar modelos ou avaliar o grau de desempenho de um modelo. Neste capítulo, examinamos as melhores práticas para avaliar a exatidão das previsões, com ênfase nas questões específicas dos dados de séries cronológicas.

Para os principiantes na previsão de séries cronológicas, é muito importante compreender que a validação cruzada padrão não é geralmente aconselhável. Não é possível selecionar conjuntos de dados de treino, validação e teste selecionando amostras aleatórias dos dados para cada uma destas categorias de uma forma independente do tempo.

Mas é ainda mais complicado do que isso. Tens de pensar na forma como diferentes amostras de dados se relacionam umas com as outras no tempo, mesmo que pareçam independentes. Por exemplo, suponhamos que estás a trabalhar numa tarefa de classificação de séries cronológicas e que tens muitas amostras de séries cronológicas distintas, em que cada uma é o seu próprio ponto de dados. Pode ser tentador pensar que, neste caso, se pode escolher aleatoriamente séries cronológicas para cada um dos períodos de treino, validação e teste, mas estarias errado se seguisses essa ideia. O problema desta abordagem é que não reflecte a forma como utilizarias o teu modelo, nomeadamente que o teu modelo será treinado com dados anteriores e testado ...