Indicateurs de performance globaux
Vous pouvez évaluer la qualité des performances de votre modèle prédictif à l'aide de la MAPE escompté. La MAPE attendue est l'évaluation de "l'erreur" faite lors de l'utilisation du modèle prédictif pour estimer les valeurs futures du signal, quel que soit l'horizon.
- Pour chaque valeur observée réelle, le modèle prédictif calcule autant de valeurs prévisionnelles que demandé par l'analyste. Il s'agit de l'horizon des prévisions.
- Chacune de ces valeurs prévisionnelles est comparée aux valeurs réelles correspondantes. Ensuite, pour chaque horizon possible, une MAPE par horizon peut être calculée. Cette valeur correspond à la moyenne des écarts absolus entre les valeurs réelles et prévisionnelles, exprimée en pourcentage des valeurs réelles.
- La MAPE attendue est la moyenne de toutes les valeurs MAPE par horizon qui ont été calculées.
- Une MAPE attendue de zéro indique un modèle prédictif parfait. Plus la MAPE globale sur l'horizon est faible, meilleures sont les performances de votre modèle prédictif.
- Une MAPE attendue de 17,63 % indique que l'erreur commise lors de l'utilisation d'une valeur prévisionnelle est d'environ 17 %.

Prévisions par rapport aux valeurs réelles
Le graphique Prévision/Réel affiche des courbes pour les valeurs prévisionnelles (prévues) et réelles (cible) pour la source de données de série temporelle. Il affiche la précision du modèle prédictif.
Les prévisions sont affichées à la fin du graphique. Pour chaque valeur prévisionnelle, le modèle prédictif fournit des estimations des erreurs minimales et maximales.
- L'espace entre les limites supérieure et inférieure des erreurs possibles dans les prévisions générées par votre modèle prédictif est appelé intervalle de confiance. Cette zone est affichée uniquement pour les prévisions.
- Les valeurs aberrantes sont des valeurs marquées d'un cercle rouge sur le graphique.
- Le code d'erreur de prévision est l'écart absolu entre les valeurs réelles et prédites. Ce code est également appelé résidu. Le seuil anormal de résidus est défini sur trois fois l'écart type des valeurs résiduelles sur une source de données d'estimation (ou de validation). La valeur prévisionnelle et les valeurs limites d'erreur sont répertoriées dans la table des prévisions pour chaque prévision.
Prévisions
La table des prévisions affiche les informations suivantes pour vous aider à analyser les performances de votre modèle prédictif de série temporelle :
- Prévision : valeurs prédites pour le modèle prédictif à partir d'un ensemble de données connues appelé partition de validation.
- Erreur min. et max. : mesures d'écart minimum et maximum des valeurs autour des prévisions. Si vous choisissez de segmenter votre modèle prédictif de prévision de série temporelle par entité, vous disposerez de ces informations pour chaque segment.

Valeurs aberrantes
La table de sortie affiche les détails des valeurs aberrantes. Une valeur de signal réelle est considérée comme une valeur aberrante si l'erreur de prévision correspondante est anormale par rapport à la moyenne de l'erreur de prévision dans l'ensemble de données d'estimation.
L'indicateur d'erreur de prévision est la différence absolue entre les valeurs réelles et prédites et est également appelé résidu. Le seuil d'anomalie pour les résidus est défini sur 3 fois l'écart-type des valeurs des résidus dans l'ensemble de données d'entraînement.
Les anomalies sont des valeurs de signal en dehors de la zone d'erreur possible pour la prévision, définie par ses limites supérieure et inférieure. Le signal est comparé à toutes les prévisions.







