Un'azienda finanziaria deve prevedere il prezzo di una materia prima utilizzando dati storici giornalieri. Il data scientist dovrebbe addestrare i modelli sull'80% del set di dati e convalidarli sul restante 20%. Come dovrebbero essere suddivisi i dati affinché i confronti tra i modelli siano validi per la previsione di serie temporali?

Per le serie temporali, è fondamentale mantenere l'ordine cronologico dei dati. Addestrare il modello su dati passati e convalidarlo su dati futuri (non visti) simula l'uso reale del modello per la previsione. L'opzione corretta rispetta questo principio, utilizzando l'80% dei dati più vecchi per l'addestramento e il 20% più recente per la convalida. Le altre opzioni non sono adatte perché: invertire l'ordine (addestrare su dati futuri e convalidare su dati passati) non ha senso per la previsione; la selezione stratificata o il campionamento casuale distruggono la dipendenza temporale intrinseca dei dati, portando a una valutazione irrealistica delle prestazioni del modello.