Outil ETS

L’outil ETS estime un modèle univarié de prévision des séries temporelles à l’aide d’une méthode de lissage exponentiel. Le lissage exponentiel est une méthode de prévision courante basée sur une moyenne pondérée des observations passées. La pondération diminue au fur et à mesure de l’ancienneté des valeurs (elle subit une « décroissance exponentielle »). L’outil prend en compte 3 composants des séries temporelles : le niveau, la tendance et la saisonnalité. Il peut utiliser des méthodes entièrement automatisées pour modéliser « du mieux possible » les trois composants sur la base de critères statistiques. Sinon, vous pouvez spécifier les méthodes sous-jacentes à utiliser. Une excellente discussion des méthodes utilisées se trouve dans le chapitre 7 du livre en ligne de Hyndman et de Athanasopoulos : principes et pratiques.

Cet outil utilise l’outil R. Allez dans Options > Télécharger les outils prédictifs et connectez-vous à la Portail Téléchargements et licences Alteryx pour installer l’outil R et les packages utilisés par ce dernier. Reportez-vous à la page Outil R. Voir Télécharger et utiliser les outils prédictifs.

Configurer l’outil

Utilisez l' onglet Paramètres requis pour définir les contrôles obligatoires pour le modèle de prévision de lissage exponentiel.

Nomdu modèle: chaque modèle doit être donné un nom afin qu'il puisse être identifié ultérieurement. Les noms de modèles doivent commencer par une lettre et peuvent contenir des lettres, des chiffres, ainsi que les caractères spéciaux suivants : point (« . ») et trait de soulignement (« _ »). Aucun autre caractère spécial n’est autorisé et R est sensible à la casse.
Sélectionnez le champ cible: sélectionnez le champ dans le flux de données que vous souhaitez prévoir. Pour ce champ, les mesures doivent être effectuées à intervalle régulier (par exemple, chaque jour, chaque mois, chaque trimestre, etc.).
Fréquence du champ cible:: choisissez l'intervalle de temps pour les observations du champ cible.

Utilisez l' onglet type de modèle pour définir les contrôles optionnels de l'impact sur la façon dont le temps et les tendances sont gérés dans votre modèle.

Type d'erreur: cette option contrôle la façon dont l'effet des périodes antérieures les plus proches est modélisé. Les choix possibles sont Auto (par défaut), Additif et Multiplicatif. Si vous utilisez Auto, les spécifications additives et multiplicatives sont estimées et des critères d’information statistiques sont employés pour choisir un modèle. Le paramètre estimé qui produit la pondération relative entre les valeurs passées les plus récentes et les plus anciennes dans la sortie est « alpha ».
Type de tendance: cette commande détermine comment l'effet de la tendance est modélisé. Les choix possibles sont Auto (par défaut), Additif, Multiplicatif et Aucun. Si vous utilisez Auto, les spécifications additives et multiplicatives, ainsi que les modèles sans correction selon la tendance, sont pris en compte et des critères d’information statistiques sont employés pour choisir un modèle. Le paramètre estimé qui produit la pondération relative entre les valeurs de tendance les plus récentes et les plus anciennes dans la sortie est « bêta ».
Atténuation des tendances: cette option permet de contrôler la mesure dans laquelle l'effet des effets de tendance récents est réduit (amorti). Les choix possibles sont Auto (par défaut), Oui et Non. L’option Auto prend en compte les modèles avec et sans atténuation, et elle sélectionne le meilleur sur la base des critères d’information statistiques. Le paramètre estimé phi dans la sortie (uniquement si l’atténuation de tendance est incluse dans le meilleur modèle) indique dans quelle mesure la tendance de prévision a été atténuée.
Type saisonnier: Ceci contrôle la façon dont les effets saisonniers sont modélisés. Les choix possibles sont Auto (par défaut), Additif, Multiplicatif et Aucun.

Utilisez l' onglet autres options pour définir les contrôles facultatifs pour les critères, les transformations et les périodes.

Critères d'information pour la sélection de modèles: les critères utilisés pour comparer différents modèles et choisir le meilleur modèle. Les choix possibles sont Auto (par défaut), le critère d’information Akaike (AIC), le critère d’information Akaike corrigé (AICc) et le critère d’information bayésien (BIC). Avec l’option Auto, AICc est utilisé s’il existe au maximum 48 observations de la cible, sinon AIC est utilisé.
Utilisez une transformation Box-Cox: si cette option est sélectionnée, l'utilisateur peut fournir une valeur de lambda (tombant entre 0 et 1) pour effectuer une transformation Box-Cox du champ cible. Avec cette option, les spécifications multiplicatives des trois composants de série temporelle ne sont pas prises en compte.
Période de début de série (optionnel): cette option permet à l'utilisateur de spécifier la période de début de la série chronologique, qui sera reflétée dans les placettes de décomposition et de prévision.

Si la fréquence du champ cible est réglée à l'heure, quotidiennement (tous les jours)ou quotidiennement (en semaine seulement), cette option n'est pas disponible.

Nombre de périodes à inclure dans le tracé de prévision: cette option aboutit à un tracé qui contient les données originales et un certain nombre de points futurs prévisionnels (avec des intervalles de confiance de 80% et de 95% autour des points de prévision). Vous pouvez spécifier le nombre de périodes couvertes par la prévision pour le tracé.
Sélectionner le format de semaine: cela permet à l'utilisateur de choisir une méthode pour spécifier des semaines de travail. Ces options portent sur les éléments qui constituent la première semaine de l’année et le premier jour de la semaine.

États-Unis – Dimanche est le premier jour de la semaine
Royaume-Uni – Lundi est le premier jour de la semaine
ISO8601 – Lundi est le premier jour de la semaine

Utilisez l' onglet options graphiques pour définir les contrôles optionnels pour la sortie.

Tailledu tracé: sélectionnez pouces ou centimètres pour la taille du graphique.
Résolution du graphique : sélectionnez la résolution du graphique en points par pouce : 1x (96 ppp) ; 2x (192 PPP) ; ou 3x (288 PPP). Une résolution basse produit un fichier de plus petite taille et facilite la visualisation sur un moniteur. Une résolution élevée produit un fichier de plus grande taille avec une qualité d’impression supérieure.
Taille de police de base (points): sélectionnez la taille de la police dans le graphique.

Afficher la sortie

Connectez un outil Explorateur à chaque ancrage de sortie pour afficher les résultats.

O ancre: se compose d'un flux de sortie contenant l'objet de modèle ETS qui peut être utilisé pour les prévisions de point et un intervalle de confiance percentile spécifié par l'utilisateur entourant ces prévisions.
R ancre: comprend les extraits de rapport générés par l'outil ETS: un résumé statistique, des parcelles diagnostiques d'autocorrélation et des placettes prévisionnelles.
I ancre: un tableau de bord interactif HTML composé de tracés et de métriques. Vous pouvez interagir avec les visualisations en cliquant sur les différents éléments graphiques pour afficher davantage d’informations, de valeurs, de métriques et d’analyses.

Comportement attendu: calculs de traçage

Le tracé prévisionnel utilise une date par défaut pour les calculs si l'un des paramètres de configuration suivants est utilisé:

La fréquence du champ cible est réglée à l' heure, quotidiennement (tous les jours)ou quotidiennement (en semaine seulement).
La fréquence du champ cible est réglée sur hebdomadaire, mensuelle, trimestrielleou annuelle et la période de départ de la série n' est pas réglée.

La date par défaut utilisée peut varier, ce qui fait apparaître un calcul aléatoire.