Um modelo de previsão só é útil quando suas entradas existiam antes do resultado que ele prevê. Divisões aleatórias de linhas podem esconder essa restrição ao misturar observações posteriores no treinamento. Você vai reservar um trecho final cronológico, revisar os limites de uma validação crescente e comparar uma previsão futura com um modelo de referência baseado na última observação. A primeira linha de validação já está fora do treinamento; um índice deslocado em uma posição pode fazê-la voltar para o ajuste. Um intervalo pode representar um atraso na disponibilidade dos rótulos. Os dados desta lição são uma sequência fictícia de pedidos com tendência e variação repetida, então um erro futuro responde a uma pergunta diferente da de um erro com amostra aleatória.
Um conjunto reservado cronológico corresponde a uma decisão de previsão que só tem acesso a observações anteriores.