Modèle de séries temporelles
Prévision de séries temporelles
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Je veux prédire [variable] sur [horizon_temporel] avec des données historiques de [période]. Les patterns observés sont : [saisonnalité, tendance, etc.]. Compare ARIMA, Prophet et LSTM pour ce cas. Propose le code Python pour chaque approche, les métriques d'évaluation (RMSE, MAPE, etc.) et la stratégie de backtesting.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Cas d'usage
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Ajoutez un test de stationnarité (Dickey-Fuller) avant ARIMA et normalisez les données pour LSTM. Pour des horizons longs ou une forte saisonnalité, Prophet est souvent plus robuste. N'oubliez pas de comparer avec un modèle naïf (persistance) comme baseline.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Liste de contrôle pour accommodements 504
Assurer une mise en œuvre cohérente des plans 504
Séance de révision gamifiée
Réviser avant un examen de façon engageante
Lettre de réponse à la révision par les pairs
Répondre aux commentaires de la révision par les pairs
Lanceur de discussion sur l'état d'esprit de développement
Développer la résilience et la motivation