Hier prédit aujourd'hui
- Leçon 5
- 30 min
- Module 2 : Lire une série chronologique
Où nous en sommes
Nous voyons maintenant la tendance et les saisons d'une série. Mais nous n'avons pas encore mesuré ce qu'une journée nous apprend sur la suivante. Dans cette leçon, nous mesurons la mémoire d'une série avec les décalages et l'autocorrélation. Nous voyons aussi pourquoi une séparation aléatoire ne fonctionne pas ici.
Leçon 5 sur 27 · Prévision et séries chronologiques : prévoir la suiteHier prédit aujourd'hui
1. Les prévisions servent des décisions
2. Lire une série chronologique
3. Références de base et tests honnêtes
4. Méthodes statistiques
5. Méthodes par apprentissage automatique
6. Séries difficiles et séries nombreuses
7. L'incertitude et la décision
8. Exploiter une prévision en production
Ce que vous saurez faire
Mesurez la mémoire d’une série avec les décalages et la fonction d’autocorrélation. Une prévision utilise cette mémoire. C’est aussi pourquoi une séparation aléatoire donne une erreur de prévision trop faible.
Carnet JupyterFaites cette leçon dans un carnet
Le carnet (notebook) Jupyter contient chaque cellule de code, tâche et vérification de cette leçon. Il calcule à la main une autocorrélation pour 8 jours. Il calcule ensuite l’ACF des commandes, des billets de soutien et des parasols de Larkfield. Il exécute aussi la séparation aléatoire du cas d’échec. Ses cellules de préparation installent pandas et statsforecast et téléchargent les données d’exercice. Vous n’avez donc rien à configurer localement. Environ 30 minutes.
Le carnet est en anglais. Colab et Kaggle ouvrent votre propre copie. Il faut un compte Google ou Kaggle gratuit. Vous êtes bloqué ? Consultez le carnet de solution.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- La tendance et les saisons des commandes de Larkfield, dans Tendance, saison et bruit.
- Les données d’entraînement et de test, et la différence entre une séparation aléatoire et une séparation temporelle. Le cours d’apprentissage automatique les présente dans Données d’entraînement, de validation et de test.
- L’erreur absolue moyenne (MAE) : la moyenne des distances entre les prévisions et les valeurs réelles, dans Les métriques de régression.
Ce qu’il vous faut sur votre ordinateur
Rien si vous utilisez le carnet en ligne : il fonctionne dans Colab ou Kaggle. Pour travailler localement, enregistrez le carnet dans le dossier larkfield créé dans Découvrir les données de Larkfield. Choisissez le noyau .venv. Le carnet réutilise les données de larkfield-forecasting.
Testé avec Python 3.12, pandas 2.3.3 et statsmodels 0.15.0 sur macOS. Windows et Colab n’ont pas été testés.
La météo de demain
Section intitulée « La météo de demain »Quelle est la meilleure estimation simple de la température de demain? Dans la plupart des endroits, c’est « à peu près la même qu’aujourd’hui ». Une journée chaude est généralement suivie d’une autre journée chaude. Une semaine froide ne se termine pas en une nuit. La météo se souvient de son passé récent.
Elle se souvient aussi du passé plus lointain, mais moins. Aujourd’hui nous en dit beaucoup sur demain et un peu sur la semaine prochaine. Le même jour l’an dernier nous renseigne aussi : juillet est chaud chaque année.
Les commandes quotidiennes se comportent de la même façon. Un samedi occupé est suivi d’un dimanche occupé. Une journée calme de janvier se trouve entre d’autres journées calmes de janvier. Mesurer cette mémoire nous indique quels jours passés une prévision devrait examiner.
Le problème : « semblable » n’est pas un nombre
Section intitulée « Le problème : « semblable » n’est pas un nombre »Priya veut choisir les entrées de ses premières prévisions. Pour prévoir jeudi, faut-il examiner mercredi, jeudi dernier ou le même jeudi l’an dernier? « Ils se ressemblent » ne suffit pas. Elle a besoin d’un nombre pour chaque choix, sur la même échelle, pour pouvoir les comparer.
Il y a un deuxième problème. Pour certains modèles, le cours d’apprentissage automatique séparait les lignes au hasard entre données d’entraînement et données de test. Si une journée se souvient de la veille, les jours voisins d’une journée de test aléatoire sont dans les données d’entraînement. Est-ce important? Pour répondre, nous devons exprimer cette mémoire par un nombre.
L’idée : décalages et autocorrélation
Section intitulée « L’idée : décalages et autocorrélation »Un décalage est la série déplacée vers le bas
Section intitulée « Un décalage est la série déplacée vers le bas »Un décalage (lag) est la même série, déplacée vers le bas d’un certain nombre de pas. La colonne au décalage 1 place la valeur d’hier à côté de celle d’aujourd’hui. La colonne au décalage 7 place la valeur d’il y a une semaine à côté de celle d’aujourd’hui. Dans pandas, shift(1) et shift(7) les créent :
lags = pd.DataFrame({"today": orders, "lag_1": orders.shift(1), "lag_7": orders.shift(7)}) today lag_1 lag_7date2024-04-01 550.0 NaN NaN2024-04-02 536.0 550.0 NaN2024-04-03 536.0 536.0 NaN2024-04-04 515.0 536.0 NaN2024-04-05 562.0 515.0 NaN2024-04-06 566.0 562.0 NaN2024-04-07 621.0 566.0 NaN2024-04-08 612.0 621.0 550.0La première ligne n’a pas de décalage 1, car il n’y a pas de jour précédent. La colonne au décalage 7 commence au jour 8. Chaque modèle de ce cours qui utilise le passé emploie des colonnes décalées comme celles-ci.
Autocorrélation : aujourd’hui suit-il hier?
Section intitulée « Autocorrélation : aujourd’hui suit-il hier? »La corrélation mesure comment deux colonnes évoluent ensemble, de −1 à +1. À +1, quand une colonne dépasse sa moyenne, l’autre aussi, toujours. À 0, l’une ne vous apprend rien sur l’autre. À −1, elles évoluent dans des directions opposées.
L’autocorrélation est la corrélation d’une série avec son propre décalage. « Auto » signifie « soi-même » : on compare la série à elle-même, déplacée de quelques pas. Une forte autocorrélation au décalage 1 indique qu’aujourd’hui reste généralement du même côté de la moyenne qu’hier.
Un petit exemple : les 8 jours d’une boulangerie
Section intitulée « Un petit exemple : les 8 jours d’une boulangerie »Une boulangerie vend des pains pendant 8 jours. La moyenne est de 26. Pour chaque jour, nous calculons la distance par rapport à la moyenne. Nous multiplions ensuite la distance de chaque jour par celle de la veille.
| Jour | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Pains | 20 | 23 | 25 | 24 | 28 | 30 | 27 | 31 |
| Distance par rapport à 26 | −6 | −3 | −1 | −2 | +2 | +4 | +1 | +5 |
| Distance de la veille | −6 | −3 | −1 | −2 | +2 | +4 | +1 | |
| Produit | 18 | 3 | 2 | −4 | 8 | 4 | 5 |
Un produit est positif quand aujourd’hui et hier sont du même côté de la moyenne. Six des sept produits sont positifs. Seul le jour 5 change de côté, donc son produit est négatif.
L’autocorrélation au décalage 1 est la somme des produits divisée par la somme des distances au carré :
- Somme des produits : 18 + 3 + 2 − 4 + 8 + 4 + 5 = 36.
- Somme des distances au carré : 36 + 9 + 1 + 4 + 4 + 16 + 1 + 25 = 96.
- Autocorrélation au décalage 1 : 36 ÷ 96 = 0,375.
Le nombre du bas utilise les 8 jours, et celui du haut seulement 7 paires. Une série courte donne donc une valeur plus faible. Avec 8 jours, le nombre est aussi bruité. Avec 728 jours, il devient stable. La fonction acf() de statsmodels fait ce calcul et donne aussi 0,375 pour la boulangerie.
La fonction d’autocorrélation, ou ACF, donne ce nombre pour chaque décalage : décalage 1, décalage 2, et ainsi de suite. C’est un profil de la mémoire de la série.
La mémoire de Larkfield
Section intitulée « La mémoire de Larkfield »Aujourd’hui comparé à hier
Section intitulée « Aujourd’hui comparé à hier »Chaque point ci-dessous représente une journée de commandes de Larkfield : la valeur d’hier à l’horizontale, celle d’aujourd’hui à la verticale.
Description textuelle du graphique
Un nuage de 727 points avec une droite ajustée, d’environ 100 à 1 400 commandes sur les deux axes. Les points forment une bande montante autour d’une droite. Sur la droite, une journée après 500 commandes en compte environ 530. Une journée après 1 000 commandes en compte environ 945. Quelques points se trouvent bien au-dessus de la bande, quand aujourd’hui dépassait largement hier. Ce sont les deux Vendredis fous, le samedi de canicule du 5 juillet 2025 et les Cyberlundis. Les jours qui les suivent se trouvent bien en dessous de la bande.
La bande monte : une valeur élevée hier annonce une valeur élevée aujourd’hui. L’autocorrélation au décalage 1 est de 0,827. C’est une forte mémoire.
L’ACF des commandes
Section intitulée « L’ACF des commandes »Voici maintenant le même nombre pour chaque décalage de 1 à 28 jours :
- Décalages 7, 14, 21 et 28 (même jour de la semaine)
- Autres décalages
Description textuelle du graphique
Une barre verticale pour chaque décalage de 1 à 28 jours, sur un axe de 0 à 1. Le décalage 1 vaut 0,827, le 2 vaut 0,766 et le 3 vaut 0,722. Les décalages 4 et 5 valent 0,660, et le 6 vaut 0,662. Le décalage 7 remonte à 0,674, au-dessus du décalage 6. La même chose se produit au décalage 14 (0,571, après 0,561 au décalage 13). Elle se produit aussi aux décalages 21 (0,479, après 0,475) et 28 (0,426, après 0,386). Dans l’ensemble, les barres diminuent lentement, de 0,827 à 0,426.
Lisez le graphique en deux étapes.
- Les barres diminuent lentement. Même 28 jours plus tôt, l’autocorrélation est de 0,426. Cette diminution lente vient de la saison annuelle : une journée d’été se trouve parmi d’autres journées d’été. Les saisons fortes et les tendances donnent des barres qui diminuent lentement.
- Chaque septième barre se démarque. Le décalage 7 (0,674) dépasse le décalage 6 (0,662). Les décalages 14, 21 et 28 dépassent aussi leurs voisins. Le même jour de la semaine, une à quatre semaines plus tôt, ressemble davantage à aujourd’hui que les jours voisins. C’est la saison hebdomadaire, mesurée.
Le meilleur jour à examiner seul est donc hier (0,827). Plus loin dans le passé, c’est le même jour de la semaine dernière (0,674). Le module 3 transforme ces deux choix en prévisions : « comme hier » et « comme la semaine dernière ».
L’ACF des billets horaires
Section intitulée « L’ACF des billets horaires »Le centre d’assistance de Grace travaille par heures. Voici l’ACF des billets horaires, jusqu’à une semaine (168 heures) :
Description textuelle du graphique
Une vague sur 168 heures, sur un axe de −0,6 à 1. Elle commence à 1 au décalage 0 et à 0,822 au décalage 1. Elle passe sous zéro et atteint −0,438 au décalage 12. Elle remonte à 0,810 au décalage 24, soit un jour. La même vague se répète toutes les 24 heures, avec des sommets entre 0,757 et 0,794. Le sommet le plus élevé après le décalage 0 est au décalage 168, soit une semaine : 0,832.
Les billets ont deux saisons. La saison quotidienne crée la vague. La même heure hier est proche (0,810). L’heure située douze heures plus loin est à l’opposé (−0,438) : la nuit comparée au jour. La saison hebdomadaire rend le dernier sommet le plus élevé. La même heure la semaine dernière (0,832) dépasse même l’heure précédente (0,822). Un lundi à 10 h ressemble surtout au lundi précédent à 10 h.
Le parasol
Section intitulée « Le parasol »Dans la section À vous de jouer du carnet, vous calculez l’ACF du parasol. Son décalage 1 vaut 0,827, comme celui des commandes. Son décalage 7 vaut 0,675 et son décalage 28 vaut 0,447, un peu plus que ceux des commandes. La mémoire du parasol vient surtout de sa saison annuelle.
Quand l’ACF aide et ce qu’elle ne peut pas vous dire
Section intitulée « Quand l’ACF aide et ce qu’elle ne peut pas vous dire »Utilisez l’ACF avant de construire une prévision :
- Elle indique les longueurs des saisons à utiliser : 7 pour les commandes quotidiennes, 24 et 168 pour les billets horaires. Une méthode qui utilise la mauvaise longueur de saison manque ce motif.
- Elle indique quels décalages donner comme entrées à un modèle d’apprentissage automatique. Le module 5 s’en sert pour créer des variables décalées.
- Elle indique à quelle vitesse la mémoire s’efface. Des barres qui diminuent lentement signalent une tendance ou une saison forte. Les modules 3 et 4 ajoutent des méthodes pour les deux.
L’ACF a des limites. Elle mesure seulement la mémoire linéaire. Elle mélange les effets : le décalage 2 est élevé en partie parce que le décalage 1 est élevé. Hier se souvient aussi de la veille. Et elle ne dit rien sur les causes. Le Vendredi fou n’apparaît pas du tout dans l’ACF, car il survient une fois par an à une date variable.
L’ACF coûte peu à calculer. Elle prend moins d’une seconde pour deux ans de données quotidiennes. Il n’y a aucune raison de l’ignorer.
Erreur courante
Une séparation aléatoire laisse les voisins donner la réponse
Symptôme : Tomás teste une règle simple : « prévoir une journée avec la moyenne des jours connus les plus proches, un avant et un après ». Il place au hasard 20 % des jours dans les données de test, comme beaucoup de projets d’apprentissage automatique. L’erreur est faible, et il est satisfait. Priya teste ensuite la même règle comme une vraie prévision. À chacune des 13 dates de coupure du cours, présentées dans Découvrir les données de Larkfield, elle connaît seulement le passé. Elle prévoit les 14 prochains jours. Voici les résultats de la section 5 du carnet :
random split: 145 test days, MAE 59.3 ordersreal forecasts: 182 days, MAE 106.8 ordersDescription textuelle du graphique
Deux colonnes pour la règle « la moyenne des jours connus les plus proches ». Sur 145 jours de test aléatoires, son erreur absolue moyenne est de 59,3 commandes par jour. Sur 182 jours de prévisions réelles à 14 jours, à partir de 13 dates de coupure, elle est de 106,8.
Cause : examinez les 14 premiers jours de la séparation aléatoire. « Test » indique les jours choisis au hasard pour les données de test.
| Jour | 1er avril | 2 avril | 3 avril | 4 avril | 5 avril | 6 avril | 7 avril | 8 avril | 9 avril | 10 avril | 11 avril | 12 avril | 13 avril | 14 avril |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Données | entraînement | test | entraînement | test | entraînement | test | entraînement | entraînement | entraînement | test | entraînement | entraînement | entraînement | test |
Chaque jour de test se trouve entre deux jours d’entraînement. La règle lit la veille et le lendemain. L’ACF indique que les deux sont proches de la réponse (0,827 au décalage 1). En pratique, Kenji prévoit les deux prochaines semaines avec les ventes connues jusqu’au dimanche. Il ne connaît jamais le lendemain. La séparation aléatoire répond à une question que personne ne pose : « À quel point pouvons-nous combler un trou dans le passé? »
Correction : testez une prévision comme elle sera utilisée. Choisissez une date de coupure, entraînez seulement sur les jours précédents, jusqu’à cette date, puis évaluez les jours suivants. Répétez à plusieurs dates de coupure. Tester comme dans le futur : le test rétrospectif construit ce test, que chaque méthode de ce cours utilise.
Conséquence pour la prévision : ici, la séparation aléatoire fait paraître l’erreur 45 % plus faible. Avec des modèles plus complexes, le tort est plus grand, car un modèle avec des variables décalées apprend à copier les voisins. Une équipe qui se fie au score aléatoire commande du stock avec une prévision bien pire qu’elle ne le croit.
Exercice guidé : mesurez la mémoire dans le carnet
Section intitulée « Exercice guidé : mesurez la mémoire dans le carnet »- Ouvrez le carnet dans l’encadré Faites cette leçon dans un carnet en haut de cette page.
- Exécutez les cellules de préparation et la cellule auxiliaire. La cellule de données se termine par
Ready: 403758 rows of daily sales(prêt : 403 758 lignes de ventes quotidiennes). - Dans la section 1, prédisez le signe de l’autocorrélation de la boulangerie. Exécutez ensuite la cellule. Vous voyez
autocorrelation at lag 1: 0.375(autocorrélation au décalage 1 : 0,375). - Exécutez la cellule
acf(). Vous voyez[1. 0.375]. - Dans la section 2, exécutez la cellule des décalages. Vous voyez
NaN(valeur manquante) dans la première ligne delag_1et les 7 premières lignes delag_7. - Dans la section 3, prédisez quels décalages se démarquent. Exécutez ensuite la cellule de l’ACF. Vous voyez
7: 0.674et28: 0.426. - Exécutez la cellule des billets. Vous voyez
24: 0.81et168: 0.832. - Dans la section 5, prédisez quel test donne l’erreur la plus faible. Exécutez ensuite la cellule. Vous voyez
MAE 59.3etMAE 106.8.
À vous de jouer : la mémoire du parasol
Section intitulée « À vous de jouer : la mémoire du parasol »Changez une seule chose : la série. Calculez l’ACF des ventes quotidiennes du parasol jusqu’au décalage 28. Utilisez load_sales(["P025"])["y"]. Avant de l’exécuter, prédisez : le décalage 7 du parasol sera-t-il plus élevé ou plus faible que son décalage 6? Placez la valeur au décalage 7, arrondie à 3 décimales, dans parasol_lag7.
Afficher la réponse
parasol = load_sales(["P025"])["y"]acf_parasol = acf(parasol, nlags=28)parasol_lag7 = round(float(acf_parasol[7]), 3)print({k: round(float(acf_parasol[k]), 3) for k in (1, 7, 14, 28)}){1: 0.827, 7: 0.675, 14: 0.575, 28: 0.447}Le décalage 7 du parasol vaut 0,675. Sa mémoire diminue plus lentement que celle des commandes : 0,447 au décalage 28, contre 0,426. Sa saison annuelle est plus forte. Une journée de ventes de parasols en juillet se trouve parmi d’autres journées de juillet. Une journée de janvier se trouve parmi des jours presque sans ventes.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Dans vos propres mots, que signifie une autocorrélation de 0,827 au décalage 1 pour les commandes quotidiennes de Larkfield? Qu'ajoute la valeur plus élevée au décalage 7 qu'au décalage 6?
Afficher la réponse
Au décalage 1, une valeur de 0,827 signifie que les commandes ont une forte mémoire. Quand les commandes d’hier dépassaient la moyenne, celles d’aujourd’hui la dépassent généralement aussi. C’est aussi vrai sous la moyenne. Hier est la meilleure journée à examiner si on n’en choisit qu’une. Le décalage 7 (0,674) dépasse le décalage 6 (0,662), et les décalages 14, 21 et 28 dépassent aussi leurs voisins. Le même jour de la semaine, dans les semaines précédentes, ressemble davantage à aujourd’hui que les jours voisins. C’est la saisonnalité hebdomadaire. Une prévision devrait tenir compte d’hier et du même jour de la semaine dernière.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Prédisez : Grace veut prévoir le nombre de billets de soutien pour lundi prochain à 10 h. Selon l'ACF des billets par heure, quelle heure passée est le meilleur repère, et laquelle est le pire?
Afficher la réponse
Le meilleur repère est la même heure une semaine plus tôt, soit lundi dernier à 10 h (décalage 168, 0,832). C’est encore mieux que l’heure précédente (0,822), que Grace ne connaît de toute façon pas une semaine à l’avance. La même heure la veille est aussi un bon repère (décalage 24, 0,810). Le pire repère est une heure située douze heures plus loin, comme 22 h (décalage 12, −0,438). La nuit et le jour évoluent en sens opposés.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Tomás dit : « Ma séparation aléatoire donne une erreur de 59 commandes par jour, donc la règle est assez bonne. » Expliquez-lui pourquoi ce chiffre est trop favorable et comment en obtenir un honnête.
Afficher la réponse
Les commandes ont une forte mémoire : les jours voisins se ressemblent (0,827 au décalage 1). Avec une séparation aléatoire, presque chaque jour de test a ses voisins dans les données d’entraînement : la veille et le lendemain. La règle copie leur réponse. En usage réel, on ne connaît jamais les jours après la date de coupure. On teste la même règle avec de vraies prévisions sur 14 jours, à partir de 13 dates de coupure. Elle donne alors une erreur de 106,8 commandes par jour. Pour obtenir un chiffre honnête, entraînez la règle uniquement sur les jours jusqu’à une date de coupure. Puis évaluez les jours suivants. Répétez à plusieurs dates de coupure.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Un décalage (lag) déplace la série vers le bas d’un certain nombre de pas :
shift(1)place hier à côté d’aujourd’hui. - L’autocorrélation est la corrélation d’une série avec sa propre version décalée, de −1 à +1. L’ACF la montre pour chaque décalage : un profil de la mémoire de la série.
- Commandes de Larkfield : 0,827 au décalage 1, et le même jour de la semaine se démarque (0,674 au décalage 7). Les billets par heure atteignent un sommet toutes les 24 heures (0,810), et leur maximum à une semaine (0,832).
- L’ACF montre les durées des saisons et les décalages utiles. Elle ne montre ni les jours fériés à date variable ni les causes.
- Une forte mémoire fausse une séparation aléatoire : les voisins révèlent la réponse. Une règle donnait une erreur de 59,3 commandes par jour avec une séparation aléatoire, contre 106,8 pour de vraies prévisions.
Vous pouvez maintenant mesurer comment une série se souvient de son passé. Certains jours, le passé n’est pas le meilleur repère : Pâques change de date, et une promotion double les ventes. Ensuite, vous placerez ces événements dans un calendrier.
Leçon suivante : Calendriers, jours fériés et événements