Model peramalan hanya berguna jika masukannya sudah ada sebelum hasil yang diprediksinya. Pemisahan baris secara acak dapat menyembunyikan batasan itu dengan mencampurkan pengamatan yang lebih baru ke dalam pelatihan. Anda akan menyisihkan bagian akhir secara kronologis, memeriksa batas validasi yang terus meluas, dan membandingkan peramalan masa depan dengan baseline pengamatan terakhir. Baris validasi pertama sudah berada di luar pelatihan; indeks yang meleset satu (off-by-one) bisa membuatnya bocor kembali ke dalam proses fit. Gap dapat mewakili keterlambatan ketersediaan label. Data dalam pelajaran ini adalah urutan pesanan fiktif dengan tren dan variasi yang berulang, sehingga error masa depan menjawab pertanyaan yang berbeda dari error sampel acak.
Holdout kronologis sesuai dengan keputusan peramalan yang hanya dapat mengakses pengamatan sebelumnya.