Saltar a contenido

Ejercicios · Series Temporales · Validación temporal

Elegir los hiperparámetros de un modelo sin mirar los meses de prueba: los pliegues de TimeSeriesSplit sobre la tabla de búsqueda y una rejilla de profundidad y tasa de XGBoost con su MAE de validación y de backtest. Cada enlace abre una actividad que se trabaja en el navegador, sin instalar nada.

Cada actividad empieza con la serie de análisis y unas claves que sirven para el ejercicio de esa página. Después viene una pregunta para responder antes de tocar nada, sigue con los controles y cierra con la explicación, que aparece cuando las preguntas quedan resueltas. Cada respuesta muestra su razón, se acierte o no. Los pliegues y los meses de cada medida se calculan en la página. Los dos MAE de cada pareja de la rejilla vienen de scikit-learn y de xgboost, con el mismo código del notebook de la sesión, y se calcularon fuera de la página.

Pliegues

Los pliegues de TimeSeriesSplit

n_splits de 2 a 8, test_size de 3 a 12 y gap de 0 a 6 sobre las 62 filas de la tabla de búsqueda, con una fila por pliegue: los meses con que entrena, los que valida y los que quedan sin usar. Se trata de ver cuándo el primer pliegue entrena con menos de 24 filas y qué meses quedan sin usar con gap=2. Si la combinación no cabe en la tabla, la página lo dice.

Rejilla

Validación frente a backtest

max_depth de 1 a 8 y learning_rate de 0,02 a 0,5 en XGBoost con 100 árboles, con dos barras: el MAE de validación y el del backtest, y la línea del estacional ingenuo. Se trata de ver si la pareja con menor validación es la de menor backtest y por qué la barra de validación sale más larga.