TS Compare Tool Icon

Outil Comparaison ST

Version:
2022.3
Last modified: September 25, 2020

Utilisez TS Comparez pour comparer un ou plusieurs modèles de séries temporelles créés avec l’outil ARIMA ou l’outil ETS, y compris les modèles ARIMA qui utilisent des covariations.

Cet outil fournit un certain nombre de mesures couramment utilisées de l’exactitude du modèle en termes de comparaison des prévisions de points de chaque modèle avec les valeurs réelles du champ étant prévu pour un ensemble de données de retenue. De plus, un diagramme et une table des valeurs réelles et prévues sont fournis. Les entrées de la macro sont un ou plusieurs modèles de séries chronologiques (qui ont été regroupés ensemble) qui sont basés sur le même champ, et le même jeu de données d’estimation, et un flux de donnée Alteryx contenant les valeurs réelles pour la période d’exclusion, ainsi que les valeurs de n’importe quel covariables qui peuvent avoir été utilisées dans la création du modèle. Les valeurs réelles doivent correspondre aux périodes de temps qui suivent immédiatement les périodes de temps utilisées pour créer les modèles.

Le chapitre 2, section 5 du livre en ligne Forecasting: Principals and Practice d’Hyndman et Athanasopoulos, fait une bonne discussion sur les mesures utilisées pour évaluer l’exactitude du modèle de prévision.

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.

Connecter les entrées

L’outil TS Compare nécessite un flux de données Designer qui est soit ...

  • Ensemble de modèles de séries chronologiques qui prédisent le même champ, estimant idéalement les mêmes périodes de temps, qui ont été syndiqués ensemble.
  • Un flux de données Alteryx qui contient le même champ que celui prévu par les outils ARIMA ou ETS de série temporelle, mais pour les périodes de temps qui suivent immédiatement les périodes utilisées pour estimer les modèles. Si un des modèles à comparer est un modèle ARIMA avec des covariables, alors tout champ de covariable utilisé doit être inclus dans le flux de données. La taille du jeu retenu doit être au moins aussi longue que le nombre de périodes dans le futur où le modèle sera utilisé pour prédire en production. Si l’échantillon total disponible est grand, la taille de l’ensemble de retenue est souvent lager que le nombre de périodes à prévoir et se situe souvent entre 10 % et 20 % des données disponibles.

Configurer l'outil

Utilisez l’onglet Options graphiques pour définir les contrôles de 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 : Contient un flux de données des noms de chaque modèle examiné et de ses statistiques d’exactitude. Les statistiques de précision sont l’erreur de précision moyenne (ME), les erreurs quadratiques moyennes de prévision (RMSE), les valeurs absolues moyennes des erreurs de prévision (MAE), le pourcentage d’erreur moyen de la prévision (MPE), le pourcentage d’erreur absolue moyenne de la prévision (MAPE) et l’erreur d’échelle absolue moyenne (MASE). La mesure sur laquelle on se concentre le plus couramment est la mesure MAPE, cependant la mesure MASE répond à quelques défaillances de la MAPE. Pour toutes les mesures, les modèles avec des valeurs plus petites de ces mesures sont préférés à ceux qui ont des valeurs plus grandes.
  • R anchor : Se compose des extraits de rapport d’un tableau avec les valeurs réelles et prévisionnelles, d’un tableau des statistiques de précision pour chaque modèle et d’une intrigue qui affiche toutes les valeurs de la série temporelle et des valeurs de prévision pour tous les modèles comparés.
  • 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.

*Hyndman, R.J. et Athanasopoulos, G. (2012) Forecasting: Principles and Practice.

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.