Prédiction MS Time Series - Précision sur les algorithmes utilisés

https://msdn.microsoft.com/en-us/library/ms166988.aspx

Prédiction MS Time Series - Précision sur les algorithmes utilisés

Dans SQL Server 2005, l'algorithme Microsoft Time Series a utilisé un algorithme unique, ARTXP. L'algorithme ARTXP a été optimisé pour les prédictions à court terme et, par conséquent, a prédit la valeur probable suivante dans une série. À compter de SQL Server 2008, l'algorithme Microsoft Time Series utilise à la fois l'algorithme ARTXP et un second algorithme, ARIMA. L'algorithme ARIMA est optimisé pour les prédictions à long terme. Pour obtenir une explication détaillée sur l'implémentation des algorithmes ARTXP et ARIMA, consultez Références techniques relatives à l'algorithme MTS (Microsoft Time Series).

Par défaut, l'algorithme Microsoft Time Series utilise une combinaison des algorithmes lorsqu'il analyse des schémas et effectue des prédictions. L'algorithme effectue l'apprentissage de deux modèles séparés sur les mêmes données : un modèle utilise l'algorithme ARTXP et l'autre l'algorithme ARIMA. L'algorithme fusionne ensuite les résultats des deux modèles pour produire la meilleure prédiction sur un nombre variable de tranches de temps. L'algorithme ARTXP étant idéal pour les prédictions à court terme, il pèse plus lourdement au début d'une série de prédictions. Toutefois, à mesure que les tranches de temps que vous prédisez sont éloignées dans le temps, l'algorithme ARIMA pèse plus lourdement.

Vous pouvez également contrôler la combinaison des algorithmes pour favoriser les prédictions à court ou long terme dans la série chronologique. À compter de SQL Server 2008 Standard, vous pouvez spécifier que l'algorithme Microsoft Time Series utilise l'un des paramètres suivants :

• Utiliser uniquement ARTXP pour les prédictions à court terme.
• Utiliser uniquement ARIMA pour les prédictions à long terme.
• Utiliser la fusion par défaut des deux algorithmes.

À compter de SQL Server 2008 Enterprise, vous pouvez personnaliser la façon dont l'algorithme Microsoft Time Series fusionne les modèles pour la prédiction.Lorsque vous utilisez un modèle mixte, l'algorithme Microsoft Time Series fusionne les deux algorithmes comme suit :

• Seul ARTXP est toujours utilisé pour effectuer les deux premières prédictions.
• Après les deux premières prédictions, une combinaison des algorithmes ARIMA et ARTXP est utilisée.
• À mesure que le nombre d'étapes de prédiction augmente, les prédictions reposent de plus en plus sur ARIMA jusqu'à ce que l'algorithme ARTXP ne soit plus utilisé.
• Vous contrôlez le point de combinaison ainsi que les taux de diminution du poids d'ARTXP et d'augmentation du poids d'ARIMA en définissant le paramètre PREDICTION_SMOOTHING.

Les deux algorithmes peuvent détecter le caractère saisonnier des données à plusieurs niveaux. Par exemple, vos données peuvent contenir des cycles mensuels imbriqués dans des cycles annuels. Pour détecter ces cycles saisonniers, vous pouvez fournir un indice de périodicité ou spécifier que l'algorithme doit détecter automatiquement la périodicité.

Outre la périodicité, il existe plusieurs autres paramètres qui contrôlent le comportement de l'algorithme Microsoft Time Series lorsqu'il détecte la périodicité, effectue des prédictions ou analyse des cas. Pour plus d'informations sur la définition des paramètres des algorithmes, consultez Références techniques relatives à l'algorithme MTS (Microsoft Time Series).

Plus d'info ici: https://msdn.microsoft.com/fr-fr/library/ms174923.aspx