Zaman serisi verisinde eğitim ve test ayrımı nasıl yapılır?

Rastgele bölme neden yanıltır?

Standart rastgele bölmede (shuffle) ardışık saatlerin satırları hem eğitimde hem testte bulunur. Bir saatin değeri, bir sonraki saatin değerine neredeyse eşittir. Model bu komşuluğu öğrenir ve test skoru olduğundan iyi görünür. Oysa sahada model geleceği tahmin etmek zorundadır ve bu komşu yoktur.

Doğru ayrım zamana dayalıdır: eğitim dönemi, test döneminden önce biter. Tek bir kesim noktası en basit yöntemdir. Ancak tek bir test dönemi, tek bir olayın ya da tek bir mevsimin şansına bağlı olabilir. Bu yüzden birden çok ardışık katlama kullanmak daha güvenilir bir tablo verir.

Hipotetik bir yıllık saatlik veri

Varsayımsal bir pompa için 365 günlük saatlik kayıt var: toplam 365 × 24 = 8 760 satır. İlk 300 gün (7 200 satır) eğitim, son 65 gün (1 560 satır) test için ayrılıyor. 7 200 + 1 560 = 8 760 olduğundan hiçbir satır kaybolmuyor.

Kayan pencere değerlendirmesinde kesim noktası ilerler:

• Katlama 1: gün 1–200 ile eğitim, gün 201–230 ile test.
• Katlama 2: gün 1–230 ile eğitim, gün 231–260 ile test.
• Katlama 3: gün 1–260 ile eğitim, gün 261–290 ile test.

Her test dönemi 30 gündür. Üç katlamada toplam 90 günlük ayrı bir değerlendirme yapılmış olur. Sonuçlar tek bir sayı olarak değil, katlamalar arasındaki dağılım olarak yorumlanmalıdır.

Sızıntı ve sık yapılan hatalar

Sızıntı (leakage), test dönemine ait bilginin eğitim sürecine girmesidir. Üç yaygın yolu vardır:

• Merkezi pencere: 25 saatlik merkezi bir kayan ortalama, t anındaki değerin hesabına t+12 saatlik gelecek veriyi katar. Geriye dönük (trailing) pencere ise yalnızca geçmişi kullanır.
• Ölçekleyiciyi tüm veriye uydurmak: ortalama ve standart sapma test dönemindeki değerleri de içerir.
• Örtüşen pencereler: sınırı kesen bir pencere, aynı olayı hem eğitim hem test tarafına yerleştirir.

Bunları önlemek için her dönüşüm yalnızca o katlamanın eğitim verisine uydurulmalı ve kayan özellikler gelecekteki değerlere başvurmadığı için kontrol edilmelidir.

Sık sorulanlar