Firma tworzy klasyfikator do oceny miesięcznej wydajności sprzedaży (1–5) z ostatnich 20 lat. Zbiór danych zawiera miesiąc, region sprzedaży, zagregowaną sprzedaż regionalną i liczbę sklepów. Dwa miesiące każdego roku wykazują niezmiennie wysoką zagregowaną sprzedaż (szczyty sezonowe). Po zastosowaniu kodowania one-hot dla cech kategorycznych i trenowaniu, dokładność modelu na zbiorze walidacyjnym jest gorsza niż oczekiwano. Jaki krok najprawdopodobniej poprawi dokładność walidacji?

Ponieważ dane zawierają silne szczyty sezonowe (dwa miesiące każdego roku z wysoką sprzedażą), zwykły podział na zbiór treningowy/walidacyjny może spowodować, że jeden ze zbiorów będzie miał nieproporcjonalnie dużo lub mało tych szczytowych miesięcy. Stratyfikowany podział, który zachowuje rozkłady dla miesiąca i regionu sprzedaży, zapewni, że oba zbiory (treningowy i walidacyjny) będą reprezentatywne dla pełnego zakresu danych, w tym sezonowości, co jest kluczowe dla dokładnej oceny modelu. Usunięcie wartości odstających może usunąć ważne dane dotyczące szczytów sezonowych. Normalizacja sprzedaży globalnie lub regionalnie jest preprocessingiem, który może pomóc, ale nie rozwiązuje problemu niereprezentatywnego podziału danych, który jest bardziej fundamentalny dla niskiej dokładności walidacji.