ETS Tool Icon

Outil ETS

Version:
2022.3
Last modified: March 26, 2021

Utilisez ETS pour estimer un modèle de prévision des séries chronomètres univarié à l’aide d’une méthode de lissage exponentielle. 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 est en mesure de tenir compte de trois volets de séries chronos : niveau, tendance et saisonnalité. L’outil peut utiliser des méthodes entièrement automatisées pour modéliser les trois composants de la « meilleure façon » en fonction de critères statistiques, ou vous pouvez spécifier les méthodes sous-jacentes utilisées. Une excellente discussion sur les méthodes utilisées se trouve dans le chapitre 7 du livre en ligne de Hyndman et Athanasopoulos Forecasting: Principals and Practice.

Cet outil utilise l’outil R. Accédez à Options > Téléchargez des outils prédictifs et connectez-vous au portail Téléchargements et licences Alteryx pour installer R et les packages utilisés par l’outil R. Voir Télécharger et utiliser des outils prédictifs.

Configurer l'outil

Onglet Paramètres requis

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

  • Nom du modèle: Chaque modèle doit recevoir 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 à prévoir. Les mesures pour ce domaine doivent être effectuées à intervalles réguliers (par exemple, tous les jours, mensuels, trimestriels, etc.).
  • Fréquence du champ cible: Choisissez l’intervalle de temps pour les observations du champ cible.

Onglet de type modèle

Utilisez l’onglet Type de modèle pour définir des contrôles facultatifs qui ont une incidence 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 sont automatiques (par défaut), additifset multiplicatifs. Si Auto est utilisée, les spécifications additives et multiplicatives sont estimées et un critère d’information statistique est utilisé pour sélectionner entre les modèles. 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: Cela contrôle la façon dont l’effet de tendance est modélisé. Les choix sont Automatique (par défaut), Additif, Multiplicationet 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 contrôle la mesure dans laquelle l’effet des effets de tendance récents est réduit (amorti). Les choix sont Automatique (par défaut), Ouiet 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: Cela contrôle la façon dont les effets saisonniers sont modélisés. Les choix sont Automatique (par défaut), Additif, Multiplicationet Aucun.

Onglet Autres options

Utilisez l’onglet Autres options pour définir les contrôles facultatifs pour les critères, les transformations et les périodes.

  • Critères d’information pour la sélection des modèles: Les critères utilisés pour comparer les différents modèles et sélectionner le meilleur modèle. Les choix fournis sont auto (par défaut), le critère d’information Akaike (ACI), le corrected Akaike Information Criterion (AICc) ou le Bayesian Information Criteria (BIC). Si l’option Auto est sélectionnée, l’AICc est utilisé s’il y a 48 observations ou moins de la cible, sinon, l’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. Si cette option est sélectionnée, les spécifications multiplicatives des trois volets de la série temporelle ne sont pas prises en compte.
  • Période de début de série (facultatif): Cette option permet à l’utilisateur de spécifier la période de début de la série de temps, qui sera reflétée dans les parcelles de décomposition et de prévision. Si la fréquence de champ cible est réglé sur Hourly, Daily (tous les jours), ou Quotidien (en semaine seulement), cette option n'est pas disponible.
  • Nombre de périodes à inclure dans la parcelle de prévision: Cette option donne lieu à une parcelle qui contient les données d’origine et un certain nombre de points futurs prévus (avec des intervalles de confiance de 80 % et 95 % autour des points de prévision). Vous pouvez spécifier le nombre de périodes à prévoir dans l'avenir pour le tracé.
  • Sélectionnez Format de semaine: Cela vous permet de choisir une méthode pour spécifier les semaines de travail. Ces options portent sur les éléments qui constituent la première semaine de l’année et le premier jour de la semaine.
    • Etats-Unis: Le dimanche est le premier jour de la semaine.
    • Royaume-Uni: Le lundi est le premier jour de la semaine.
    • ISO8601: Le lundi est le premier jour de la semaine.

Onglet Options graphiques

Utilisez l’onglet Options graphiques pour définir les contrôles facultatifs de la sortie.

  • Taille de la parcelle: Sélectionnez des pouces ou des centimètres pour la taille du graphique.
  • Résolution graphique: Sélectionnez la résolution du graphique en points par pouce : 1x (96 dpi), 2x (192 dpi)ou 3x (288 dpi).
    • 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 du modèle ETS qui peut être utilisé à la fois pour les prévisions de points et un intervalle de confiance en percentile spécifié par l’utilisateur entourant ces prévisions.
  • Ancre R : Se compose des extraits de rapport générés par l’outil ETS : un résumé statistique, des parcelles de diagnostic d’autocorrélation et des parcelles de prévision.
  • J’ancre : Un tableau de bord HTML interactif composé de parcelles et de mesures. Sélectionnez différents éléments graphiques pour interagir avec les visualisations afin de révéler plus d’informations, de valeurs, de mesures et d’analyses.

Comportement attendu: Calculs de parcelle

L’intrigue de prévision utilise une date de défaut pour les calculs si l’un de ces paramètres de configuration sont utilisés :

  • Fréquence de champ cible est définie sur Heure, Quotidienne (tous les jours)ou Quotidienne (en semaine seulement).
  • La fréquence du champ cible est définie sur hebdomadaire, mensuel, trimestrielou annuel et la période de début de la série n’est pas définie.

La date par défaut utilisée peut varier, ce qui rend le calcul aléatoire.

Cette page vous a-t-elle été utile ?

Vous rencontrez des problèmes avec votre produit Alteryx ? Visitez la communauté Alteryx ou contactez le  support. Vous n'arrivez pas à soumettre ce formulaire ? Envoyez-nous un e-mail.