一般的想法是你应该在你的训练集、测试集和预测集上使用相同的数据。对于经济数据，这可能很棘手：

• 在您的训练集中，您需要获取在给定时间可用的数据。这可能很棘手，因为大多数情况下，此类经济数据可以在首次发布后很长时间内进行修改。例如，在我的国家，我认为 GDP 可以在首次发布后长达 3 年进行修订。例如，如果您的训练/测试集中有 2015 年的实例，您需要获取 2015 年可用的数据，而不是 2018 年可能发生的修订数字。

• 在您的测试集中，对于一般预测，实际值可以是对当前正在发生的事情的估计（临近预报），因此您必须确保您的数据源是一致的。有时使用临近预报技术来获取当前值（例如，要了解酒店部门的活动，您可以查看 booking.com # of reservation ... 等）。这些技术与通常用于获得最终数字的技术（财政申报的集合）完全不同。理想情况下，您必须确保方法在训练、测试和预测集之间保持一致。不应该完全排除使用其他方法来获取数据进行预测，而应该带有非常强烈的警告。

如果数据有标签，任何数据都可以在测试集中使用。

测试集中经常使用外部数据来查看模型对看不见的数据的泛化程度。