Este Trabalho de Conclusão de Curso (TCC) tem como objetivo comparar dois métodos de séries temporais para previsão de dados: SARIMA e Prophet. O projeto visa compreender os modelos e suas principais diferenças. Além disso, o trabalho inclui etapas de limpeza e exploração dos dados, bem como a aplicação do Modelo de Machine Learning K-Means para a segmentação dos dados a fim de otimizar a precisão das previsões.
This Paper aims to compare two time series methods for data forecasting: SARIMA and Prophet. The project goal is to understand the models and their main differences. In addition, the work includes data cleaning and exploration steps, as well as the application of K-Means Machine Learning Model for data segmentation in order to optimize the accuracy of predictions.
- Pandas
- NumPy
- Matplotlib
- Seaborn
- Scikit-learn
- pmdarima
- statsmodels
- prophet
Métrica | Valor |
---|---|
MAE | 10.471487 |
RMSE | 237.556320 |
MAPE | 44.548467 |
MAPE para o modelo SARIMA: 44.55%
Acurácia do modelo SARIMA: 55.45%
Métrica | Valor |
---|---|
Acurácia | 0.6427794640930615 |
MAPE | 75.54236352462792 |
Acurácia do modelo PROPHET: 64.28%
MAPE para o modelo PROPHET: 75.54%
- Resultado K-Means
- Resultado SARIMA: - Resultado Prophet: - Resultado K-Means:
in progress [...]
O projeto inclui exploração, visualização, préprocessamento, previsão de dados além do treinamento de modelos e validação usando algoritimos de classificação.
The project includes data exploration, visualization, preprocessing, forecasting, model training, and evaluation using various classification algorithms.
- Dash - API:
- Dataset-1:
- Dataset-2:
Para executar este projeto, é necessário instalar as bibliotecas recomentadadas e rodar o código em sua IDE de preferência e não esqueca de trocar os caminhos dos arquivos!
To run the project, you need to install the required libraries than run the code in your prefered IDE and don't forget to change file paths!
Este projeto foi desenvolvido em conjunto por:
This Projetct was developed by:
Orientado por (Oriented by):
- Professor Rooney Coelho