Glossário IA
O dicionário completo da Inteligência Artificial
Forward Chaining
Técnica de validação onde cada conjunto de treinamento inclui todas as observações anteriores e o conjunto de teste contém os dados futuros imediatos. Simula a previsão em tempo real usando apenas as informações disponíveis até cada ponto temporal.
Rolling Window Cross-Validation
Método usando uma janela de tamanho fixo que desliza no tempo para criar diferentes conjuntos de treinamento e teste. Mantém um tamanho de amostra constante enquanto preserva a estrutura temporal dos dados.
Walk-Forward Validation
Abordagem de validação iterativa onde o modelo é treinado em dados históricos e depois testado no período seguinte antes de progredir no tempo. Reproduz fielmente as condições reais de implantação de modelos preditivos.
Expanding Window Cross-Validation
Técnica onde a janela de treinamento se expande progressivamente para incluir todos os dados históricos disponíveis. Particularmente adaptada quando a quantidade de dados aumenta e todas as observações passadas permanecem relevantes.
Time Series Split
Estratégia de divisão de dados em conjuntos de treinamento e teste respeitando estritamente a sequência temporal. Implementada no scikit-learn como TimeSeriesSplit para avaliar modelos de séries temporais sem vazamento de informação.
Validação Cruzada Aninhada Temporal
Dupla validação cruzada onde a validação externa avalia o desempenho do modelo enquanto a validação interna otimiza os hiperparâmetros. Evita o sobreajuste enquanto respeita a restrição temporal em todos os níveis.
Validação Cruzada Bloqueada
Método introduzindo blocos de separação entre os conjuntos de treinamento e teste para reduzir a correlação temporal. Impede a contaminação de dados próximos no tempo que poderia enviesar a avaliação do desempenho.
Validação Cruzada com Deslocamento Temporal
Abordagem inserindo um período de tempo entre os conjuntos de treinamento e teste para simular um atraso de previsão realista. Particularmente útil quando as decisões baseadas nas previsões necessitam de um certo tempo de execução.
Validação Cruzada Hierárquica Temporal
Extensão da validação cruzada temporal para dados com estrutura hierárquica como séries temporais multi-níveis. Respeita simultaneamente as restrições temporais e as dependências hierárquicas entre os dados.
Validação Cruzada por Série Temporal Múltipla
Técnica adaptada a conjuntos contendo múltiplas séries temporais independentes mas compartilhando características similares. Permite generalizar através de diferentes séries enquanto preserva a ordem temporal em cada uma.
Validação Cruzada por Purga
Método que elimina observações próximas temporalmente dos conjuntos de treino e teste para reduzir a dependência. Essencial em finanças onde a autocorrelação e a microestrutura dos mercados podem contaminar os resultados.
Validação Cruzada com Embargo
Variante da validação cruzada por purga que estende o período de exclusão após cada ponto de teste. Cria uma zona tampão temporal garantindo a independência completa entre as fases de treino e teste.
Validação Cruzada Adaptativa Temporal
Abordagem dinâmica que ajusta o tamanho das janelas de treino e teste de acordo com as características dos dados ou o desempenho do modelo. Otimiza o uso dos dados disponíveis enquanto se adapta às mudanças temporais.
Validação Cruzada por Janelas Deslizantes
Implementação específica da janela deslizante onde a janela se move de um passo fixo a cada iteração. Permite um controle preciso da sobreposição entre os conjuntos sucessivos de treino e teste.
Validação Cruzada por Sondagem Temporal
Método que amostra periodicamente os pontos de teste no tempo em vez de usar blocos contínuos. Reduz o custo computacional enquanto mantém uma representação justa de diferentes períodos temporais.