d) Quelques algorithmes de Machine Learning
(1) ARIMA
Il s'agit d'un modèle de série chronologique
hybride où :
· AR désigne AutoRégressif,
· I dénote pour Intégré et,
· MA dénote pour Moyenne mobile.
Il prend des données historiques en entrée et
produit des résultats futurs en observant la tendance. L'objectif
d'ARIMA est de définir les autocorrélations entre les points de
données.
(2) Prophète
Ce modèle a été conçu et
développé en 2007, par l'équipe Data Scientist de Facebook
dirige par Taylor et Letham, pour prévoir les tendances et la nature
du modèle est additive. Ainsi, le modèle de prophète FB
peut prédire les tendances quotidiennes, hebdomadaires, mensuelles et
saisonnières en fonction des besoins. Fondamentalement, Prophet est un
modèle polyvalent et flexible qui décompose diverses
données de séries chronologiques et produit une sortie
évolutive.
(3) LSTM
Le modèle LSTM a été
développé en 1997 par Hochreiter et Schmidhuber. Il s'agit d'un
modèle spécial de réseau neuronal récurrent (RNN)
spécialisé dans la mémorisation ou le stockage de
données de séquence plus longue pour prédire des tendances
précises. LSTM signifie Long Short-Term Memory network. Cela implique
qu'ils sont très bien adaptés pour recueillir des données
pour des données étendues par rapport à RNN. Le
modèle LSTM appartient à la catégorie des algorithmes
d'apprentissage en profondeur et fournit des résultats optimaux pour un
ensemble de données plus volumineux avec une erreur minimale.
| 
