Una empresa financiera debe pronosticar el precio de una materia prima utilizando datos históricos diarios. El científico de datos debe entrenar modelos con el 80% del conjunto de datos y validarlos con el 20% restante. ¿Cómo se deben dividir los datos para que las comparaciones de modelos sean válidas para la previsión de series temporales?

Para la previsión de series temporales, es crucial mantener el orden cronológico de los datos. La opción correcta divide los datos en un conjunto de entrenamiento (80% anterior) y un conjunto de validación (20% posterior) basándose en una fecha de corte. Esto simula un escenario del mundo real donde se entrena un modelo con datos pasados y se evalúa su capacidad para predecir el futuro. La segunda opción es incorrecta porque entrena con datos futuros y valida con datos pasados, lo cual no tiene sentido en la previsión. Las opciones de muestreo aleatorio o estratificado son inapropiadas para series temporales, ya que rompen la dependencia temporal entre los puntos de datos, invalidando la evaluación del modelo para tareas de pronóstico.