Como o modelo é treinado e testado? Por que meu modelo não corresponde completamente aos dados históricos?

O modelo é construído, ou "treinado", em um conjunto de dados de treinamento que é um subconjunto do conjunto de dados original que você seleciona. O Kraken divide automaticamente seu conjunto de dados aleatoriamente e realiza uma validação cruzada de cinco dobras. As previsões são feitas com cada linha de dados no conjunto de dados de teste e comparadas com o resultado real, produzindo as medidas de precisão com as quais os modelos são avaliados. Pode parecer um pouco contraintuitivo que o modelo não consiga acertar completamente em relação aos dados históricos – afinal, esses eventos já aconteceram. Tudo isso realmente significa que o modelo não está prevendo com 100% de precisão, então algumas das "previsões" (em um ponto de dados histórico) não correspondem ao que realmente aconteceu. Isso não é necessariamente uma coisa ruim; na verdade, qualquer modelo que preveja com 100% de precisão contra o conjunto de dados de teste deve pelo menos ser examinado mais a fundo para ver se o overfitting ou outros erros podem estar ocorrendo.