Walk-forward validation: validação em séries temporais

Letra

Atualizado em 05/10/2026: verbete refeito: definição curta com fonte, exemplo e termos relacionados; saiu o texto genérico anterior. Como conferimos os dados

Walk-forward validation é um jeito de avaliar modelos com dados que seguem uma ordem no tempo (vendas por mês, preços por dia). O modelo é treinado com o passado e testado no período seguinte; depois a janela avança e o processo se repete. Assim ele nunca é treinado com dados do futuro para prever o passado.

Exemplo

Com 6 meses de dados: treina em janeiro e testa em fevereiro; treina em janeiro e fevereiro e testa em março; e assim por diante. Cada treino inclui tudo o que veio antes. É o que faz o TimeSeriesSplit do scikit-learn, uma variação da validação cruzada comum (k-fold) para séries temporais.

Por que não usar a validação cruzada comum

A validação cruzada comum embaralha os dados. Numa série temporal, isso deixa o modelo ver o futuro durante o treino, e o resultado fica otimista demais.

Termos relacionados

Fontes (conferidas em 02/10/2026): scikit-learn: TimeSeriesSplit

← Todos os termos do ABC da IA