Cửa sổ quá khứ Look-back, L và chân trời dự đoán Horizon, H trong dự báo chuỗi thời gian là gì?

Mở đầu – Vì sao người học hay rối với Look-back và Horizon?

Khi bắt đầu bước vào dự báo chuỗi thời gian (time series forecasting), đa phần người học gặp ngay hai khái niệm quan trọng: Look-back L và Horizon H.
Dù đơn giản, chúng lại rất dễ gây nhầm lẫn:

• L là bao nhiêu bước quá khứ?
• H là dự đoán bao nhiêu bước tương lai?
• Vì sao thay đổi L – H lại làm mô hình hoạt động khác nhau?

Những thắc mắc này xuất hiện nhiều trong giai đoạn tiếp cận mô hình ML DL cho chuỗi thời gian — nhóm kiến thức thường nằm ở các module về regression, optimization và kiến trúc DL.

Look-back L là gì?

Look-back hay Window size, Cửa sổ quá khứ, là số lượng bước thời gian trong quá khứ mà mô hình sử dụng để tạo thành đầu vào.

Nói cách khác:
→ L là “khoảng ký ức” mà mô hình được phép nhìn lại.

Ví dụ

Nếu L = 7, mô hình sẽ dùng 7 ngày gần nhất để dự đoán tiếp theo.
Bạn có thể hình dung như xem lại 7 cảnh quay trước đó để đoán cảnh tiếp theo trong một bộ phim.

Vai trò của Look-back

• L lớn → mô hình có nhiều thông tin, nhưng dễ nhiễu.
• L nhỏ → mô hình gọn, nhưng có thể bỏ sót xu hướng dài hạn.
• L tối ưu phụ thuộc vào cấu trúc chu kỳ seasonality và đặc điểm dữ liệu.

Horizon H là gì?

Horizon H hay Forecasting horizon, Chân trời dự đoán, là số bước thời gian mà mô hình muốn dự đoán vào tương lai.

→ H cho biết bạn muốn dự báo ngắn hạn hay dài hạn.

Ví dụ

• H = 1 → dự đoán ngày mai.
• H = 7 → dự đoán 7 ngày tới.
• H = 30 → dự đoán 1 tháng tới.

Vai trò của Horizon

• H nhỏ → mô hình thường chính xác hơn.
• H lớn → độ bất định cao, mô hình phải học được xu hướng dài.

Khi H thay đổi, cách thiết kế đầu ra của mô hình cũng thay đổi.

Minh họa dễ hiểu

Giả sử bạn có chuỗi:
x1, x2, x3, …, x100.

Với L = 5 và H = 1:

• Dùng x1–x5 để dự đoán x6
• Dùng x2–x6 để dự đoán x7 …

Với L = 10 và H = 7:

• Dùng 10 bước gần nhất để dự đoán 7 giá trị tương lai tiếp theo.

Cách tổ chức dữ liệu thay đổi hoàn toàn khi L hoặc H thay đổi.

Trong thực tế dự án, chọn L – H như thế nào?

Một số nguyên tắc thường dùng:

Chọn L dựa trên quy luật chu kỳ

• Chu kỳ tuần → L khoảng 7, 14, 21
• Chu kỳ tháng → L khoảng 30, 60

Chọn H theo mục tiêu kinh doanh

• Dự đoán doanh thu ngày mai → H = 1
• Dự đoán kế hoạch sản xuất tuần → H = 7
• Tối ưu tồn kho tháng → H = 30

Mô hình càng phức tạp, L – H càng linh hoạt

• LSTM, GRU, TCN, Transformer xử lý tốt L lớn
• Các mô hình ML truyền thống phù hợp với L nhỏ và H nhỏ

Bạn có thể thử nghiệm nhiều cặp L – H để xem mô hình nào phù hợp nhất với dữ liệu.

Liên hệ kiến thức nền

L – H là phần mở đầu của time series forecasting, thường liên hệ với:

• regression (Module 4)
• optimization và loss (Module 5)
• kiến trúc DL như RNN, LSTM, Attention (Module 7–10)
• xử lý dữ liệu theo pipeline (Module 3 & MLOps series)

Không phải quảng cáo — chỉ là những nhóm kiến thức mà người học AI thường chạm vào khi giải bài toán chuỗi thời gian.

Lời khuyên cho người mới bắt đầu

Bạn có thể thử:

• chọn L nhỏ → dự đoán H = 1
• sau đó tăng H
• cuối cùng tăng L

Cách này giúp bạn quan sát rõ tác động của mỗi tham số một cách tự nhiên.

Hỏi đáp nhanh về Look-back – Horizon

1. Look-back có phải là số bước quá khứ dùng làm đầu vào?
   Đúng.

2. Horizon có phải là số bước mô hình dự đoán trong tương lai?
   Đúng.

3. L và H có ảnh hưởng đến cách xây dựng dataset không?
   Có, đặc biệt khi tạo sliding windows.

4. H càng lớn mô hình càng dễ sai?
   Thường đúng vì độ bất định tăng theo thời gian.

FAQ về AIO

Q: Mình con số 0 thì học nổi không?
A: Chỉ cần có thời gian học mỗi ngày. Kiến thức và tài liệu team admin lo.

Q: Ai dạy AIO?
A: Toàn bộ admin AIO trực tiếp dạy và hỗ trợ trong suốt hành trình.

Q: Admin có “xịn” không?
A: Admin đều là người làm nghề thật. Không dám nói xịn, chỉ dạy bằng hết sức mình.

Q: AIO cam kết gì?
A: Cam kết hỗ trợ hết khả năng và cung cấp nền tảng AI – Data Science vững chắc. Không hứa việc làm, chỉ hứa kiến thức thật.

Tài nguyên học AI:

• Chương trình AIO
• Bài viết & tài liệu học AI
• Tutorial