Mara, responsável pelo planejamento de capacidade da fictícia Harbor Parcel, precisa de um experimento de modelagem que possa ser revisado. A tabela de sandbox practice.capacity_samples contém uma linha por observação fictícia original: sample_id a identifica, x é uma entrada de planejamento disponível com antecedência e y é o resultado de capacidade observado. Treine com sample_id <= 40 e reserve os identificadores posteriores para a validação. Entregue um registro de previsões e um relatório de uma linha com o tamanho do conjunto reservado, o erro absoluto e o viés com sinal. Os dados do exercício são sintéticos e não estabelecem uma previsão para produção.
Uma revisão de modelo exige mais do que a informação de que o treinamento terminou. Você vai inspecionar a divisão dos dados, ajustar uma reta numérica, avaliar um conjunto reservado sem observações em comum com o treinamento e preservar um registro de previsões por linha. Esse registro torna uma métrica agregada auditável: outra pessoa analista consegue rastrear cada resíduo até uma observação.
Cada passo começa com o seu SQL anterior. Mantenha a definição do modelo no script enquanto o relatório final se desenvolve, para que todo resultado possa ser reconstruído a partir da mesma divisão de treinamento indicada. A configuração recria as amostras fictícias a cada passo, inclusive a cópia oculta. Não substitua a consulta por números copiados da grade. Uma média com sinal pode ficar perto de zero mesmo com erros individuais grandes, por isso o relatório final inclui o erro absoluto e também o viés com sinal. Isso não implica nenhum agendamento futuro nem implantação em produção.
O erro absoluto mede a magnitude. A média com sinal descreve a direção e pode se anular.