Rozdział 11. Pomiary błędów
W poprzednich rozdziałach do porównywania modeli i oceny ich wydajności wykorzystywaliśmy różnego rodzaju miary. W tym rozdziale przyjrzymy się najlepszym praktykom pozwalającym ocenić dokładność prognoz. Szczególną uwagę poświęcimy kwestiom związanym z danymi czasowymi.
Dla osób nieobeznanych jeszcze z prognozowaniem na podstawie szeregów czasowych najważniejsze jest zrozumienie, że w tym obszarze zwykła kroswalidacja nie jest zazwyczaj zalecana. Gdy pracuje się z danymi czasowymi, nie ma możliwości stworzenia zbiorów uczącego, walidacyjnego i testowego w sposób niezależny od czasu.
Poza tym istnieją również poważniejsze komplikacje. Nawet jeżeli wydaje Ci się, że próbki Twoich danych są od siebie niezależne, musisz ...
Get Szeregi czasowe now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
