StatsForecast + Polars Ensemble Pipeline

Ce que cela fait

Cette compétence exécute un pipeline complet de prévision univariée utilisant StatsForecast (AutoARIMA, AutoETS, DynamicOptimizedTheta) avec Polars pour la gestion des données. Elle prépare les données en concaténant les champs ID, impose des contraintes de non-négativité sur les sorties des modèles, construit une prévision d'ensemble, calcule des métriques de groupe robustes (WMAPE, biais) avec un filtrage conscient des valeurs aberrantes et renvoie une sortie proprement typée et ordonnée.

Quand l'utiliser

À utiliser lorsque vous avez besoin de prévisions hebdomadaires prêtes pour la production sur de nombreuses séries avec une gestion stricte des types et lorsque la moyenne d'ensemble et les contraintes de non-négativité sont requises (par exemple, prévision de la demande). Convient également aux expériences de validation croisée et aux comparaisons de référence.

Ce qui est inclus

• Scripts : aucun groupement dans le chemin de la compétence, mais le prompt contient des règles opérationnelles détaillées et des étapes de traitement.
• Références : aucune mentionnée.
• Instructions : règles de prétraitement exactes, initialisation du modèle, paramètres de validation croisée, application des contraintes, calcul des métriques, étapes de prévision et post-traitement/conversion de type.

Agents compatibles

Idéal pour les environnements d'exécution d'agents capables d'exécuter Python, StatsForecast et Polars (notebooks d'agents ou agents Python côté serveur).