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 O’Reilly online learning.

O’Reilly members experience live online training, plus books, videos, and digital content from 200+ publishers.