Série chronologique - Modèle de prophète

En 2017, Facebook a ouvert le modèle prophète qui était capable de modéliser la série chronologique avec de fortes saisonnalités multiples au niveau du jour, de la semaine, de l'année, etc. et de la tendance. Il a des paramètres intuitifs qu'un data scientist pas si expert peut régler pour de meilleures prévisions. À la base, il s'agit d'un modèle régressif additif qui peut détecter des points de changement pour modéliser la série chronologique.

Prophet décompose la série chronologique en composants de tendance $ g_ {t} $, saisonnalité $ S_ {t} $ et jours fériés $ h_ {t} $.

$$ y_ {t} = g_ {t} + s_ {t} + h_ {t} + \ epsilon_ {t} $$

Où, $ \ epsilon_ {t} $ est le terme d'erreur.

Des progiciels similaires pour la prévision des séries chronologiques, tels que l'impact causal et la détection des anomalies, ont été introduits dans R par google et twitter respectivement.