Skip to main content

ETS Tool Icon Outil ETS

Exemple d'outil unique

Il existe un exemple d'outil unique pour l'outil ETS. Accédez à la page Exemples de workflows pour savoir comment accéder à cet exemple et à de nombreux autres exemples directement dans Alteryx Designer.

Utilisez l'outil ETS pour estimer 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 peut prendre 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. Vous trouverez une excellente présentation des méthodes utilisées dans le chapitre 7 du livre en ligne de Hyndman et Athanasopoulos Forecasting : Principals and Practice.

Note

Cet outil utilise l'outil R. Accédez à Options > Télécharger les outils prédictifs et connectez-vous au portail de licences et de téléchargements Alteryx pour installer R et les packages utilisés par l'outil R. Consultez la page Télécharger et utiliser les outils prédictifs.

Configuration de l'outil

Onglet Paramètres obligatoires

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

  • Nom de modèle : vous devez attribuer un nom à chaque modèle afin de pouvoir les identifier ultérieurement. Les noms des 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.

  • Sélectionner le champ cible : sélectionnez le champ du flux de données à prédire. Pour ce champ, les mesures doivent être effectuées à intervalle régulier (par exemple, chaque jour, chaque mois, chaque trimestre, etc.).

  • Fréquence du champ cible : sélectionnez l'intervalle des observations du champ cible.

Onglet Type de modèle

Utilisez l'onglet Type de modèle pour définir des contrôles facultatifs qui affectent la façon dont votre modèle gère le temps et les tendances.

  • Type d'erreur : cette option contrôle la modélisation de l'effet des périodes antérieures les plus proches. 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 option contrôle la modélisation de l'effet de la tendance. 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 de tendance : cette option contrôle l'amortissement (atténuation) de l'effet des tendances récentes. 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 : cette option contrôle la modélisation des effets saisonniers. Les choix possibles sont Auto (par défaut), Additif, Multiplicatif et Aucun.

Onglet Autres options

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

  • Critères d'information pour la sélection des modèles : critères utilisés pour comparer différents modèles et sélectionner le meilleur. 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.

  • Utiliser une transformation de Box-Cox : si cette option est sélectionnée, vous pouvez fournir une valeur lambda (entre 0 et 1) pour effectuer une transformation de Box-Cox du champ cible. Si cette option est sélectionnée, les spécifications multiplicatives des trois composants de série temporelle ne sont pas prises en compte.

  • Période de début de la série (facultatif) : cette option permet de spécifier la période de début de la série temporelle, qui sera reflétée dans les tracés de décomposition et de prévision. Si l'option Fréquence du champ cible est définie sur Horaire, Quotidien (tous les jours) ou Quotidien (lundi-vendredi), cette option n'est pas disponible.

  • Nombre de périodes à inclure dans le tracé de la prévision : cette option produit un tracé contenant les données d'origine et un certain nombre de points de prévision futurs (avec intervalles de confiance à 80 % et 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 : 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.

    • 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

Onglet Options des graphiques

Dans l'onglet Options des graphiques, définissez les contrôles facultatifs du tracé de sortie.

  • Taille du tracé : sélectionnez « pouces » ou « centimètres » pour indiquer la taille du graphique.

  • Résolution du 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 la police de base (points) : sélectionnez la taille de la police dans le graphique.

Visualisation de la sortie

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

  • Ancrage O : flux de sortie comprenant l'objet modèle ETS utilisable pour les prévisions de points, ainsi qu'un intervalle de confiance défini par l'utilisateur et applicable à ces mêmes prévisions.

  • Ancrage R : comprend les snippets de rapports générés par l'outil ETS : un résumé statistique, des tracés de diagnostic de l'autocorrélation et des tracés prévisionnels.

  • L'ancrage I est un tableau de bord HTML interactif comprenant des diagrammes et des mesures. Sélectionnez les différents éléments graphiques pour interagir avec les visualisations afin d'afficher plus d'informations, de valeurs, de métriques et d'analyses.

Comportement attendu : calculs de tracé

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

  • L'option Fréquence du champ cible est définie sur Horaire, Quotidien (tous les jours) ou Quotidien (lundi-vendredi).

  • L'option Fréquence du champ cible est définie sur Hebdomadaire, Mensuel, Trimestriel ou Annuel, et l'option Période de début de la série n'est pas définie.

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