Le modèle Prophet a été développé par Facebook (aujourd'hui Meta) en 2018. Il peut être décrit comme un modèle de régression non linéaire qui peut être écrit sur la forme
où g (t) décrit la tendance linéaire, s (t) décrit divers modèles saisonniers et h (t) intègre les effets des vacances. Le terme final « t »test le terme d'erreur qui n'est pas décrit par le modèle.
La tendance linéaire est renforcée par l'introduction points de changement à des points spécifiques de la série, ce qui lui permet d'être linéaire par morceaux. Ceci est utile pour les séries dont la tendance peut être approximée par un certain nombre de segments linéaires.
La partie saisonnière crée de multiples modèles saisonniers à différentes fréquences, ce qui permet de capturer des modèles à des fréquences trimestrielles et mensuelles, par exemple, ainsi qu'un schéma saisonnier annuel global.
Enfin, les effets des vacances utilisent des variables fictives pour modéliser l'effet que les différents jours fériés peuvent avoir sur les données.
L'ajustement du modèle aux données ainsi que la sélection du nombre de points de changement, des modèles saisonniers et des effets des vacances sont effectués automatiquement dans un cadre bayésien.
Nous fournissons un logiciel de prévision automatisé qui associe des méthodes académiques de pointe à des indicateurs avancés spécifiques au marché. Cela permet à votre organisation d'atteindre le plus haut niveau de précision des prévisions.
© 2025 Indicio Technologies Tous droits réservés
