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
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
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
Questions de Débriefing pour Activité
Transformer les activités en moments d'apprentissage significatifs
Script vidéo pédagogique
Script vidéo
Invitations à l'auto-évaluation socio-émotionnelle
Commencer le cours par un point bien-être des élèves
Plan d'apprentissage par projet
Mettre en place une pédagogie par projet