• Aa inclusão do nome do município e da descrição do CNAE na tabela fato caracteriza desnormalização intencional típica de modelos estrela, pois atributos descritivos devem residir na fato para acelerar consultas analíticas e evitar junções custosas, prática recomendada em Data Warehouses modernos.
• Ba alta acurácia no treino com baixo desempenho em produção é explicada pela maldição da dimensionalidade, uma vez que a redução de dimensionalidade aplicada pelo cientista de dados eliminou justamente as variáveis preditivas mais relevantes, tornando o modelo incapaz de generalizar.
• Ca proposta do analista de negócio viola o princípio de que a tabela fato deve conter apenas chaves estrangeiras e métricas aditivas, enquanto atributos descritivos pertencem às dimensões; já o problema do modelo preditivo é compatível com overfitting, cuja mitigação envolve técnicas como regularização, simplificação do modelo e uso de validação cruzada adequada com separação temporal.
• Dtanto a solicitação do analista quanto o resultado do modelo preditivo decorrem de erro de granularidade: ao se definir o grão da fato por guia de recolhimento, perde-se a possibilidade de armazenar atributos descritivos, e o modelo preditivo falha em produção porque foi treinado com dados agregados em grão incompatível com o nível de detalhe necessário para prever inadimplência.
• Ea tabela fato pode incorporar atributos descritivos desde que seja criada uma dimensão degenerada para o município e o CNAE, e o baixo desempenho em produção deve-se exclusivamente à validação cruzada k-fold tradicional, que não é adequada para séries temporais, sendo a única causa do problema identificado.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.