Évaluation des modèles de série temporelle
Les modèles temporels prédisent les résultats sous forme de chiffres correspondant à des dates futures spécifiques. Plusieurs métriques sont générées pour que vous puissiez évaluer des modèles de série temporelle.
MASE
L'acronyme MASE signifie en anglais Mean Absolute Scaled Error (Erreur d'échelle absolue moyenne). La valeur MASE est l'une des métriques clés utilisées pour évaluer et recommander des modèles de série temporelle dans Qlik Predict.
Dans Qlik Predict, la valeur MASE est déterminée en comparant l'erreur absolue moyenne (MAE) d'une prévision à la valeur MAE d'une projection naïve. La projection naïve utilise la dernière valeur disponible comme valeur projetée pour toutes les étapes futures.
MAE
L'acronyme MAE signifie en anglais Mean Absolute Error (Erreur absolue moyenne). Avec MASE, la valeur MAE est l'une des métriques clés utilisées pour évaluer et recommander des modèles de série temporelle dans Qlik Predict. La valeur MAE mesure la qualité du modèle en calculant le taux d'erreur dans les projections créées par le modèle.
MAPE
L'acronyme MAPE signifie en anglais Mean Absolute Percentage Error (Erreur absolue moyenne en pourcentage).
WMAPE
L'acronyme WMAPE signifie en anglais Weighted Mean Absolute Percentage Error (Erreur absolue moyenne pondérée en pourcentage).
RMSE
La racine de l'erreur quadratique moyenne (Root Mean Squared Error ou RMSE) peut être interprétée comme la différence +/- moyenne prévue entre une valeur prédite et la valeur réelle. Il s'agit de l'écart type des résidus (la différence entre la valeur observée et la valeur prédite d'une caractéristique). La valeur RMSE est exprimée dans la même unité que celle de la valeur cible.
Par exemple, imaginons que notre cible consiste à prédire une valeur contractuelle et que nous obtenions une valeur RMSE = 1250. Cela signifie qu'en moyenne, la valeur prédite varie de +/- 1 250 $ par rapport à la valeur réelle.
SMAPE
L'acronyme SMAPE signifie en anglais Symmetric Mean Absolute Percentage Error (Erreur absolue moyenne symétrique en pourcentage).
MDAPE
L'acronyme MDAPE signifie en anglais Median Absolute Percentage Error (Erreur absolue médiane en pourcentage).
MNRMSE
L'acronyme MNRMSE signifie en anglais Mean Root Mean Squared Error (Racine moyenne de l'erreur quadratique moyenne).
MDNRMSE
L'acronyme MDNRMSE signifie en anglais Median Root Mean Squared Error (Racine médiane de l'erreur quadratique moyenne).
Vitesse de prédiction
La vitesse de prédiction est une métrique de modèle qui s'applique à tous les types de modèle : classification binaire, classification multiclasse, régression et série temporelle. La vitesse de prédiction mesure la rapidité avec laquelle un modèle d'apprentissage automatique est capable de générer des prédictions.
Dans Qlik Predict, la vitesse de prédiction est calculée en combinant le temps de calcul des caractéristiques et le temps de prédiction du jeu de données test. Elle s'affiche en lignes par seconde.
La vitesse de prédiction peut être analysée dans le tableau Métriques des modèles après l'exécution de votre version d'expérimentation. Vous pouvez également afficher les données relatives à la vitesse de prédiction lorsque vous analysez des modèles avec des analyses intégrées. Pour plus d'informations, consultez :
Considérations
La vitesse de prédiction mesurée est basée sur la taille du jeu de données d'apprentissage et non sur les données sur lesquelles les prédictions sont effectuées. Après avoir déployé un modèle, vous remarquerez peut-être des différences dans la rapidité de création des prédictions si les données d'apprentissage et de prédiction sont de tailles très différentes, ou lors de la création de prédictions en temps réel sur une ou quelques lignes de données.