Construire une prévision de demande que l'on peut ajuster composante par composante, sans modèle opaque (NeuralProphet)
La simplicité d'interprétation de Prophet, avec la puissance des réseaux de neurones — tendance, saisonnalité et régresseurs externes ajustables séparément
Vendu par MagicMate
Ce qu'il faut
- Niveau
- N2 · Un peu de bricolage — Fonctionne dans un outil que vous avez déjà, mais demande des réglages (clé d'accès, options) avant d'être opérationnel.
- Serveur requis
- Non
- Réglages requis
- Oui
- Licence
- Projet tiers sous licence permissive (MIT) : utilisation, modification et redistribution permises selon ses termes, avec conservation des mentions de droit d'auteur et du texte de licence. Le texte de la licence d'origine, publié dans le dépôt source, fait foi.
NeuralProphet marie la simplicité d'interprétation du Prophet de Facebook à la puissance des réseaux de neurones, pour construire des modèles de prévision que l'on peut ajuster pas à pas en comprenant chaque composante (tendance, saisonnalité, régresseurs externes). Un bon choix pour des équipes qui veulent une prévision de demande "boîte semi-ouverte" plutôt qu'un modèle deep learning opaque.
Licence et attribution : Source : https://github.com/ourownstory/neural_prophet. Licence : MIT (https://raw.githubusercontent.com/ourownstory/neural_prophet/main/LICENSE). Tous droits conservés par ses auteurs ; cette fiche est une présentation rédigée par Marketia.