Una búsqueda en rejilla prueba cada pareja de max_depth y learning_rate de XGBoost, con 100 árboles, y se queda con la de menor MAE de validación. La validación usa TimeSeriesSplit(n_splits=5, test_size=6) sobre la tabla de búsqueda; el backtest pronostica doce meses desde cada origen sobre los meses que la búsqueda no vio. La página pone las dos cifras de cada pareja lado a lado.
Los dos MAE salen de cross_val_score de scikit-learn y del backtest del curso con XGBRegressor(n_estimators=100, learning_rate, max_depth, random_state=2026), en pasajeros, y se calcularon fuera de la página con el mismo código del notebook de la sesión. Los meses de cada medida se calculan aquí.