Comparaison de prédictions pour les modèles de prévision (Didacticiel intermédiaire sur l'exploration de données)
Dans les étapes précédentes de cette leçon, vous avez créé les trois modèles suivants :
Les prédictions pour chaque combinaison de région et modèle basées uniquement sur les données pour le modèle et la région individuels.
Les prédictions pour tous les modèles sur une base internationale à partir des données agrégées.
Les prédictions pour le modèle M200 dans la région North America basées sur le modèle agrégé.
Dans cette dernière tâche, vous allez contraster les prédictions pour chaque modèle afin de déterminer l'incidence du modèle généralisé sur les résultats.
Comparaison des résultats de prédiction
Votre analyse des résultats du modèle d'exploration de données d'origine a révélé un écart important entre certaines lignes de modèles et régions. La ligne de tendance pour le modèle M200 était particulièrement élevée, alors que les lignes de tendance pour le modèle T1000 étaient basses et relativement plates.
.gif "Prédiction de la quantité des séries M200 et T1000")
Vous pouvez créer un graphique qui inclut toutes les prédictions en exportant les résultats et les données d'origine vers Microsoft Excel qui fournit davantage d'outils sophistiqués pour les graphiques et la gestion de plusieurs séries de données. Le diagramme suivant affiche les lignes de tendance pour les modèles de produits M200 uniquement et compare les prédictions du premier modèle d'exploration de données avec les prédictions qui utilisent le modèle d'exploration de données agrégées.
.gif "Graphique Excel comparant des prédictions")
D'après le graphique précédent, vous pouvez constater que le modèle d'exploration de données agrégées conserve les tendances générales tout en réduisant les fluctuations dans les séries de données individuelles. Le tableau suivant propose une partie des séries de données utilisées pour créer le graphique, afin de faciliter la comparaison.
Série et modèle d'exploration de données |
7/25/2008 |
8/25/2008 |
9/25/2008 |
10/25/2008 |
11/25/2008 |
|---|---|---|---|---|---|
M200 Europe — agrégé |
143 |
126 |
115 |
119 |
94 |
M200 Europe—spécifique |
121 |
142 |
152 |
149 |
154 |
M200 North America — agrégé |
208 |
150 |
149 |
151 |
172 |
M200 North America—spécifique |
163 |
178 |
156 |
173 |
203 |
M200 Pacific — agrégé |
89 |
80 |
71 |
77 |
57 |
M200 Pacific—spécifique |
46 |
44 |
42 |
42 |
38 |
T1000 Europe — agrégé |
65 |
51 |
54 |
53 |
48 |
T1000 Europe—spécifique |
42 |
41 |
43 |
42 |
43 |
T1000 North America — agrégé |
103 |
84 |
79 |
85 |
68 |
T1000 North America—spécifique |
82 |
78 |
78 |
83 |
83 |
T1000 Pacific — agrégé |
68 |
52 |
48 |
56 |
44 |
T1000 Pacific—spécifique |
38 |
39 |
37 |
38 |
36 |
Conclusion
Vous avez appris à créer un modèle de série chronologique qui peut être utilisé pour la prédiction, et un modèle généralisé qui peut s'appliquer à une série de données différente.