Définir l'horizon
Préciser si la prévision porte sur une semaine, un mois, un trimestre ou une autre période.
Gabarit du mini-rapport 2
Gabarit du mini-rapport 2
Ce gabarit soutient une analyse reproductible selon une voie de prévision temporelle ou de classification binaire, avec validation hors échantillon et décision.
01
Question et horizon
02
Structure temporelle ou prédictive
03
Méthode et validation
04
Interprétation et limites
Structure attendue
Le mini-rapport doit expliquer ce qui est prévu, comment la performance est évaluée et ce que la prévision permet de décider.
-
01
Question
Définir la cible, l'horizon et la décision à soutenir.
-
02
Données
Présenter la fréquence, la période couverte, les variables et les limites.
-
03
Validation
Comparer le modèle à des données non utilisées de la même manière.
-
04
Conclusion
Relier la performance et la prévision à une décision prudente.
Flux de travail recommandé
Pour une série temporelle, l'ordre des observations fait partie de l'information. La validation doit donc respecter le temps.
Visualiser la série
Regarder tendance, saisonnalité, rupture possible et valeurs atypiques avant de modéliser.
Valider avec prudence
Utiliser une période de validation plus récente lorsque la structure temporelle l'exige.
Modèle .qmd
Ce modèle peut être adapté à une analyse de prévision ou à une autre démarche prédictive indiquée dans la consigne.
mini-rapport-2.qmd
---
title: "Mini-rapport 2"
author: "Équipe : à compléter"
format:
html:
embed-resources: true
execute:
warning: false
message: false
---
## Identification
- Équipe :
- Membres :
- Jeu de données :
- Date :
## Contribution de l'équipe
- Membre 1 :
- Membre 2 :
- Membre 3, si applicable :
## Voie choisie
Indiquer « prévision temporelle » ou « classification binaire » et justifier ce choix en fonction de la cible et de la décision.
## Question d'analyse
Formuler la cible, l'horizon ou la fenêtre de l'événement, et la décision que l'analyse doit éclairer.
## Données
Décrire l'origine du jeu de données, l'unité d'observation, la fréquence temporelle,
les variables principales et les limites connues.
```{r}
# Load libraries
library(tidyverse)
library(janitor)
# Import data
donnees_brutes <- read_csv("data/votre_fichier.csv", show_col_types = FALSE)
# Clean data
donnees <- donnees_brutes |>
clean_names()
glimpse(donnees)
```
## Exploration temporelle
Décrire la structure temporelle : période couverte, fréquence, tendance, saisonnalité et valeurs atypiques.
```{r}
donnees |>
ggplot(aes(x = date, y = valeur)) +
geom_line() +
labs(
title = "Évolution de la valeur dans le temps",
x = NULL,
y = "Valeur"
) +
theme_minimal()
```
## Méthode
Présenter la méthode utilisée et justifier le choix.
```{r}
# Exemple minimal à adapter selon la méthode choisie
donnees_modele <- donnees |>
arrange(date)
```
## Validation
Présenter une séparation hors échantillon. Pour la prévision, respecter l'ordre du temps et comparer une référence simple avec MAE et RMSE. Pour la classification, définir la classe positive et comparer au moins deux seuils avec sensibilité, spécificité, précision et proportion ciblée.
```{r}
# Ajouter le code de validation utilisé par l'équipe
```
## Interprétation
Interpréter les résultats en langage clair.
## Recommandation ou conclusion
Relier la conclusion à la question de départ et à l'horizon de décision.
## Limites
Nommer au moins deux limites de l'analyse.
## Déclaration d'usage de l'IA
Compléter la déclaration si l'IA a influencé le livrable. Sinon, écrire explicitement qu'aucun usage d'IA n'a influencé le code, l'analyse, l'interprétation, la documentation ou le texte.Vérification finale
Avant la remise, chaque élément ci-dessous devrait être vérifié par l'équipe.
L'horizon est clair
La cible et la période de prévision sont précisées.
La série est visualisée
Tendance, saisonnalité et valeurs atypiques sont examinées.
La validation est cohérente
La mesure d'erreur ou de performance correspond à la question.
La conclusion est prudente
La recommandation tient compte des limites et de l'incertitude.
Le rapport se rend
Le fichier HTML final est produit sans erreur.
L'IA est déclarée
La déclaration est complétée si l'aide reçue a influencé le livrable.