| 1 | ******* text after include: |
| 2 | ----- |
| 3 | <h2>Introduction</h2> |
| 4 | |
| 5 | J'ai fait quelques essais dans différentes configurations pour la méthode "Neighbors" |
| 6 | (la seule dont on a parlé).<br>Il semble que le mieux soit |
| 7 | |
| 8 | * simtype="exo" ou "mix" : similarités exogènes avec/sans endogènes (fenêtre optimisée par VC) |
| 9 | * same_season=FALSE : les indices pour la validation croisée ne tiennent pas compte des saisons |
| 10 | * mix_strategy="mult" : on multiplie les poids (au lieu d'en éteindre) |
| 11 | |
| 12 | J'ai systématiquement comparé à une approche naïve : la moyennes des lendemains des jours |
| 13 | "similaires" dans tout le passé ; à chaque fois sans prédiction du saut (sauf pour Neighbors : |
| 14 | prédiction basée sur les poids calculés). |
| 15 | |
| 16 | Ensuite j'affiche les erreurs, quelques courbes prévues/mesurées, quelques filaments puis les |
| 17 | histogrammes de quelques poids. Concernant les graphes de filaments, la moitié gauche du graphe |
| 18 | correspond aux jours similaires au jour courant, tandis que la moitié droite affiche les |
| 19 | lendemains : ce sont donc les voisinages tels qu'utilisés dans l'algorithme. |
| 20 | |
| 21 | <% |
| 22 | list_titles = ['Pollution par chauffage', 'Pollution par épandage', 'Semaine non polluée'] |
| 23 | list_indices = ['indices_ch', 'indices_ep', 'indices_np'] |
| 24 | %> |
| 25 | -----r |
| 26 | library(talweg) |
| 27 | |
| 28 | ts_data = read.csv(system.file("extdata","pm10_mesures_H_loc_report.csv",package="talweg")) |
| 29 | exo_data = read.csv(system.file("extdata","meteo_extra_noNAs.csv",package="talweg")) |
| 30 | data = getData(ts_data, exo_data, input_tz = "Europe/Paris", working_tz="Europe/Paris", predict_at=13) |
| 31 | |
| 32 | indices_ch = seq(as.Date("2015-01-18"),as.Date("2015-01-24"),"days") |
| 33 | indices_ep = seq(as.Date("2015-03-15"),as.Date("2015-03-21"),"days") |
| 34 | indices_np = seq(as.Date("2015-04-26"),as.Date("2015-05-02"),"days") |
| 35 | % for i in range(3): |
| 36 | ----- |
| 37 | <h2 style="color:blue;font-size:2em">${list_titles[i]}</h2> |
| 38 | -----r |
| 39 | p_nn_exo = computeForecast(data, ${list_indices[i]}, "Neighbors", "Neighbors", simtype="exo", horizon=H) |
| 40 | p_nn_mix = computeForecast(data, ${list_indices[i]}, "Neighbors", "Neighbors", simtype="mix", horizon=H) |
| 41 | p_az = computeForecast(data, ${list_indices[i]}, "Average", "Zero", horizon=H) #, memory=183) |
| 42 | p_pz = computeForecast(data, ${list_indices[i]}, "Persistence", "Zero", horizon=H, same_day=TRUE) |
| 43 | -----r |
| 44 | e_nn_exo = computeError(data, p_nn_exo) |
| 45 | e_nn_mix = computeError(data, p_nn_mix) |
| 46 | e_az = computeError(data, p_az) |
| 47 | e_pz = computeError(data, p_pz) |
| 48 | options(repr.plot.width=9, repr.plot.height=7) |
| 49 | plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4)) |
| 50 | |
| 51 | # Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence |
| 52 | |
| 53 | i_np = which.min(e_nn_exo$abs$indices) |
| 54 | i_p = which.max(e_nn_exo$abs$indices) |
| 55 | -----r |
| 56 | options(repr.plot.width=9, repr.plot.height=4) |
| 57 | par(mfrow=c(1,2)) |
| 58 | |
| 59 | plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np)) |
| 60 | plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p)) |
| 61 | |
| 62 | plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np)) |
| 63 | plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p)) |
| 64 | |
| 65 | plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np)) |
| 66 | plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p)) |
| 67 | |
| 68 | # Bleu: prévue, noir: réalisée |
| 69 | -----r |
| 70 | par(mfrow=c(1,2)) |
| 71 | f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np)) |
| 72 | f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p)) |
| 73 | |
| 74 | f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np)) |
| 75 | f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p)) |
| 76 | -----r |
| 77 | par(mfrow=c(1,2)) |
| 78 | plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np)) |
| 79 | plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p)) |
| 80 | |
| 81 | plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np)) |
| 82 | plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p)) |
| 83 | -----r |
| 84 | par(mfrow=c(1,2)) |
| 85 | plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np)) |
| 86 | plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p)) |
| 87 | |
| 88 | plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np)) |
| 89 | plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p)) |
| 90 | |
| 91 | # Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir |
| 92 | -----r |
| 93 | par(mfrow=c(1,2)) |
| 94 | plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np)) |
| 95 | plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p)) |
| 96 | |
| 97 | plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np)) |
| 98 | plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p) |
| 99 | |
| 100 | # - pollué à gauche, + pollué à droite |
| 101 | -----r |
| 102 | # Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite |
| 103 | p_nn_exo$getParams(i_np)$window |
| 104 | p_nn_exo$getParams(i_p)$window |
| 105 | |
| 106 | p_nn_mix$getParams(i_np)$window |
| 107 | p_nn_mix$getParams(i_p)$window |
| 108 | % endfor |
| 109 | ----- |
| 110 | <h2>Bilan</h2> |
| 111 | |
| 112 | Problème difficile : on ne fait guère mieux qu'une naïve moyenne des lendemains des jours |
| 113 | similaires dans le passé, ce qui n'est pas loin de prédire une série constante égale à la |
| 114 | dernière valeur observée (méthode "zéro"). La persistence donne parfois de bons résultats |
| 115 | mais est trop instable (sensibilité à l'argument <code>same_day</code>). |
| 116 | |
| 117 | Comment améliorer la méthode ? |
| 118 | ******* mako_kwargs: {} |
| 119 | ******* text after mako: |
| 120 | ----- |
| 121 | <h2>Introduction</h2> |
| 122 | |
| 123 | J'ai fait quelques essais dans différentes configurations pour la méthode "Neighbors" |
| 124 | (la seule dont on a parlé).<br>Il semble que le mieux soit |
| 125 | |
| 126 | * simtype="exo" ou "mix" : similarités exogènes avec/sans endogènes (fenêtre optimisée par VC) |
| 127 | * same_season=FALSE : les indices pour la validation croisée ne tiennent pas compte des saisons |
| 128 | * mix_strategy="mult" : on multiplie les poids (au lieu d'en éteindre) |
| 129 | |
| 130 | J'ai systématiquement comparé à une approche naïve : la moyennes des lendemains des jours |
| 131 | "similaires" dans tout le passé ; à chaque fois sans prédiction du saut (sauf pour Neighbors : |
| 132 | prédiction basée sur les poids calculés). |
| 133 | |
| 134 | Ensuite j'affiche les erreurs, quelques courbes prévues/mesurées, quelques filaments puis les |
| 135 | histogrammes de quelques poids. Concernant les graphes de filaments, la moitié gauche du graphe |
| 136 | correspond aux jours similaires au jour courant, tandis que la moitié droite affiche les |
| 137 | lendemains : ce sont donc les voisinages tels qu'utilisés dans l'algorithme. |
| 138 | |
| 139 | |
| 140 | -----r |
| 141 | library(talweg) |
| 142 | |
| 143 | ts_data = read.csv(system.file("extdata","pm10_mesures_H_loc_report.csv",package="talweg")) |
| 144 | exo_data = read.csv(system.file("extdata","meteo_extra_noNAs.csv",package="talweg")) |
| 145 | data = getData(ts_data, exo_data, input_tz = "Europe/Paris", working_tz="Europe/Paris", predict_at=13) |
| 146 | |
| 147 | indices_ch = seq(as.Date("2015-01-18"),as.Date("2015-01-24"),"days") |
| 148 | indices_ep = seq(as.Date("2015-03-15"),as.Date("2015-03-21"),"days") |
| 149 | indices_np = seq(as.Date("2015-04-26"),as.Date("2015-05-02"),"days") |
| 150 | ----- |
| 151 | <h2 style="color:blue;font-size:2em">Pollution par chauffage</h2> |
| 152 | -----r |
| 153 | p_nn_exo = computeForecast(data, indices_ch, "Neighbors", "Neighbors", simtype="exo", horizon=H) |
| 154 | p_nn_mix = computeForecast(data, indices_ch, "Neighbors", "Neighbors", simtype="mix", horizon=H) |
| 155 | p_az = computeForecast(data, indices_ch, "Average", "Zero", horizon=H) #, memory=183) |
| 156 | p_pz = computeForecast(data, indices_ch, "Persistence", "Zero", horizon=H, same_day=TRUE) |
| 157 | -----r |
| 158 | e_nn_exo = computeError(data, p_nn_exo) |
| 159 | e_nn_mix = computeError(data, p_nn_mix) |
| 160 | e_az = computeError(data, p_az) |
| 161 | e_pz = computeError(data, p_pz) |
| 162 | options(repr.plot.width=9, repr.plot.height=7) |
| 163 | plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4)) |
| 164 | |
| 165 | # Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence |
| 166 | |
| 167 | i_np = which.min(e_nn_exo$abs$indices) |
| 168 | i_p = which.max(e_nn_exo$abs$indices) |
| 169 | -----r |
| 170 | options(repr.plot.width=9, repr.plot.height=4) |
| 171 | par(mfrow=c(1,2)) |
| 172 | |
| 173 | plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np)) |
| 174 | plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p)) |
| 175 | |
| 176 | plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np)) |
| 177 | plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p)) |
| 178 | |
| 179 | plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np)) |
| 180 | plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p)) |
| 181 | |
| 182 | # Bleu: prévue, noir: réalisée |
| 183 | -----r |
| 184 | par(mfrow=c(1,2)) |
| 185 | f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np)) |
| 186 | f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p)) |
| 187 | |
| 188 | f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np)) |
| 189 | f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p)) |
| 190 | -----r |
| 191 | par(mfrow=c(1,2)) |
| 192 | plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np)) |
| 193 | plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p)) |
| 194 | |
| 195 | plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np)) |
| 196 | plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p)) |
| 197 | -----r |
| 198 | par(mfrow=c(1,2)) |
| 199 | plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np)) |
| 200 | plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p)) |
| 201 | |
| 202 | plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np)) |
| 203 | plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p)) |
| 204 | |
| 205 | # Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir |
| 206 | -----r |
| 207 | par(mfrow=c(1,2)) |
| 208 | plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np)) |
| 209 | plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p)) |
| 210 | |
| 211 | plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np)) |
| 212 | plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p) |
| 213 | |
| 214 | # - pollué à gauche, + pollué à droite |
| 215 | -----r |
| 216 | # Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite |
| 217 | p_nn_exo$getParams(i_np)$window |
| 218 | p_nn_exo$getParams(i_p)$window |
| 219 | |
| 220 | p_nn_mix$getParams(i_np)$window |
| 221 | p_nn_mix$getParams(i_p)$window |
| 222 | ----- |
| 223 | <h2 style="color:blue;font-size:2em">Pollution par épandage</h2> |
| 224 | -----r |
| 225 | p_nn_exo = computeForecast(data, indices_ep, "Neighbors", "Neighbors", simtype="exo", horizon=H) |
| 226 | p_nn_mix = computeForecast(data, indices_ep, "Neighbors", "Neighbors", simtype="mix", horizon=H) |
| 227 | p_az = computeForecast(data, indices_ep, "Average", "Zero", horizon=H) #, memory=183) |
| 228 | p_pz = computeForecast(data, indices_ep, "Persistence", "Zero", horizon=H, same_day=TRUE) |
| 229 | -----r |
| 230 | e_nn_exo = computeError(data, p_nn_exo) |
| 231 | e_nn_mix = computeError(data, p_nn_mix) |
| 232 | e_az = computeError(data, p_az) |
| 233 | e_pz = computeError(data, p_pz) |
| 234 | options(repr.plot.width=9, repr.plot.height=7) |
| 235 | plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4)) |
| 236 | |
| 237 | # Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence |
| 238 | |
| 239 | i_np = which.min(e_nn_exo$abs$indices) |
| 240 | i_p = which.max(e_nn_exo$abs$indices) |
| 241 | -----r |
| 242 | options(repr.plot.width=9, repr.plot.height=4) |
| 243 | par(mfrow=c(1,2)) |
| 244 | |
| 245 | plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np)) |
| 246 | plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p)) |
| 247 | |
| 248 | plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np)) |
| 249 | plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p)) |
| 250 | |
| 251 | plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np)) |
| 252 | plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p)) |
| 253 | |
| 254 | # Bleu: prévue, noir: réalisée |
| 255 | -----r |
| 256 | par(mfrow=c(1,2)) |
| 257 | f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np)) |
| 258 | f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p)) |
| 259 | |
| 260 | f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np)) |
| 261 | f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p)) |
| 262 | -----r |
| 263 | par(mfrow=c(1,2)) |
| 264 | plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np)) |
| 265 | plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p)) |
| 266 | |
| 267 | plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np)) |
| 268 | plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p)) |
| 269 | -----r |
| 270 | par(mfrow=c(1,2)) |
| 271 | plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np)) |
| 272 | plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p)) |
| 273 | |
| 274 | plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np)) |
| 275 | plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p)) |
| 276 | |
| 277 | # Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir |
| 278 | -----r |
| 279 | par(mfrow=c(1,2)) |
| 280 | plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np)) |
| 281 | plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p)) |
| 282 | |
| 283 | plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np)) |
| 284 | plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p) |
| 285 | |
| 286 | # - pollué à gauche, + pollué à droite |
| 287 | -----r |
| 288 | # Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite |
| 289 | p_nn_exo$getParams(i_np)$window |
| 290 | p_nn_exo$getParams(i_p)$window |
| 291 | |
| 292 | p_nn_mix$getParams(i_np)$window |
| 293 | p_nn_mix$getParams(i_p)$window |
| 294 | ----- |
| 295 | <h2 style="color:blue;font-size:2em">Semaine non polluée</h2> |
| 296 | -----r |
| 297 | p_nn_exo = computeForecast(data, indices_np, "Neighbors", "Neighbors", simtype="exo", horizon=H) |
| 298 | p_nn_mix = computeForecast(data, indices_np, "Neighbors", "Neighbors", simtype="mix", horizon=H) |
| 299 | p_az = computeForecast(data, indices_np, "Average", "Zero", horizon=H) #, memory=183) |
| 300 | p_pz = computeForecast(data, indices_np, "Persistence", "Zero", horizon=H, same_day=TRUE) |
| 301 | -----r |
| 302 | e_nn_exo = computeError(data, p_nn_exo) |
| 303 | e_nn_mix = computeError(data, p_nn_mix) |
| 304 | e_az = computeError(data, p_az) |
| 305 | e_pz = computeError(data, p_pz) |
| 306 | options(repr.plot.width=9, repr.plot.height=7) |
| 307 | plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], 4)) |
| 308 | |
| 309 | # Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: persistence |
| 310 | |
| 311 | i_np = which.min(e_nn_exo$abs$indices) |
| 312 | i_p = which.max(e_nn_exo$abs$indices) |
| 313 | -----r |
| 314 | options(repr.plot.width=9, repr.plot.height=4) |
| 315 | par(mfrow=c(1,2)) |
| 316 | |
| 317 | plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo day",i_np)) |
| 318 | plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p)) |
| 319 | |
| 320 | plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix day",i_np)) |
| 321 | plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p)) |
| 322 | |
| 323 | plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np)) |
| 324 | plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p)) |
| 325 | |
| 326 | # Bleu: prévue, noir: réalisée |
| 327 | -----r |
| 328 | par(mfrow=c(1,2)) |
| 329 | f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); title(paste("Filaments nn exo day",i_np)) |
| 330 | f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); title(paste("Filaments nn exo day",i_p)) |
| 331 | |
| 332 | f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); title(paste("Filaments nn mix day",i_np)) |
| 333 | f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); title(paste("Filaments nn mix day",i_p)) |
| 334 | -----r |
| 335 | par(mfrow=c(1,2)) |
| 336 | plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np)) |
| 337 | plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p)) |
| 338 | |
| 339 | plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np)) |
| 340 | plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p)) |
| 341 | -----r |
| 342 | par(mfrow=c(1,2)) |
| 343 | plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np)) |
| 344 | plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p)) |
| 345 | |
| 346 | plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np)) |
| 347 | plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p)) |
| 348 | |
| 349 | # Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir |
| 350 | -----r |
| 351 | par(mfrow=c(1,2)) |
| 352 | plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np)) |
| 353 | plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p)) |
| 354 | |
| 355 | plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np)) |
| 356 | plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p) |
| 357 | |
| 358 | # - pollué à gauche, + pollué à droite |
| 359 | -----r |
| 360 | # Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite |
| 361 | p_nn_exo$getParams(i_np)$window |
| 362 | p_nn_exo$getParams(i_p)$window |
| 363 | |
| 364 | p_nn_mix$getParams(i_np)$window |
| 365 | p_nn_mix$getParams(i_p)$window |
| 366 | ----- |
| 367 | <h2>Bilan</h2> |
| 368 | |
| 369 | Problème difficile : on ne fait guère mieux qu'une naïve moyenne des lendemains des jours |
| 370 | similaires dans le passé, ce qui n'est pas loin de prédire une série constante égale à la |
| 371 | dernière valeur observée (méthode "zéro"). La persistence donne parfois de bons résultats |
| 372 | mais est trop instable (sensibilité à l'argument <code>same_day</code>). |
| 373 | |
| 374 | Comment améliorer la méthode ? |
| 375 | ******* cell: markdown |
| 376 | ******* found shortname r |
| 377 | ******* cell: astext=False shortname=r |
| 378 | ******* cell: markdown |
| 379 | ******* found shortname r |
| 380 | ******* cell: astext=False shortname=r |
| 381 | ******* found shortname r |
| 382 | ******* cell: astext=False shortname=r |
| 383 | ******* found shortname r |
| 384 | ******* cell: astext=False shortname=r |
| 385 | ******* found shortname r |
| 386 | ******* cell: astext=False shortname=r |
| 387 | ******* found shortname r |
| 388 | ******* cell: astext=False shortname=r |
| 389 | ******* found shortname r |
| 390 | ******* cell: astext=False shortname=r |
| 391 | ******* found shortname r |
| 392 | ******* cell: astext=False shortname=r |
| 393 | ******* found shortname r |
| 394 | ******* cell: astext=False shortname=r |
| 395 | ******* cell: markdown |
| 396 | ******* found shortname r |
| 397 | ******* cell: astext=False shortname=r |
| 398 | ******* found shortname r |
| 399 | ******* cell: astext=False shortname=r |
| 400 | ******* found shortname r |
| 401 | ******* cell: astext=False shortname=r |
| 402 | ******* found shortname r |
| 403 | ******* cell: astext=False shortname=r |
| 404 | ******* found shortname r |
| 405 | ******* cell: astext=False shortname=r |
| 406 | ******* found shortname r |
| 407 | ******* cell: astext=False shortname=r |
| 408 | ******* found shortname r |
| 409 | ******* cell: astext=False shortname=r |
| 410 | ******* found shortname r |
| 411 | ******* cell: astext=False shortname=r |
| 412 | ******* cell: markdown |
| 413 | ******* found shortname r |
| 414 | ******* cell: astext=False shortname=r |
| 415 | ******* found shortname r |
| 416 | ******* cell: astext=False shortname=r |
| 417 | ******* found shortname r |
| 418 | ******* cell: astext=False shortname=r |
| 419 | ******* found shortname r |
| 420 | ******* cell: astext=False shortname=r |
| 421 | ******* found shortname r |
| 422 | ******* cell: astext=False shortname=r |
| 423 | ******* found shortname r |
| 424 | ******* cell: astext=False shortname=r |
| 425 | ******* found shortname r |
| 426 | ******* cell: astext=False shortname=r |
| 427 | ******* found shortname r |
| 428 | ******* cell: astext=False shortname=r |
| 429 | ******* cell: markdown |
| 430 | ******* cell data structure:\b[['markdown', |
| 431 | 'text', |
| 432 | '\n' |
| 433 | '\n' |
| 434 | '<h2>Introduction</h2>\n' |
| 435 | '\n' |
| 436 | "J'ai fait quelques essais dans différentes configurations pour la méthode " |
| 437 | '"Neighbors"\n' |
| 438 | '(la seule dont on a parlé).<br>Il semble que le mieux soit\n' |
| 439 | '\n' |
| 440 | ' * simtype="exo" ou "mix" : similarités exogènes avec/sans endogènes ' |
| 441 | '(fenêtre optimisée par VC)\n' |
| 442 | ' * same_season=FALSE : les indices pour la validation croisée ne tiennent ' |
| 443 | 'pas compte des saisons\n' |
| 444 | ' * mix_strategy="mult" : on multiplie les poids (au lieu d\'en éteindre)\n' |
| 445 | '\n' |
| 446 | "J'ai systématiquement comparé à une approche naïve : la moyennes des " |
| 447 | 'lendemains des jours\n' |
| 448 | '"similaires" dans tout le passé ; à chaque fois sans prédiction du saut ' |
| 449 | '(sauf pour Neighbors :\n' |
| 450 | 'prédiction basée sur les poids calculés).\n' |
| 451 | '\n' |
| 452 | "Ensuite j'affiche les erreurs, quelques courbes prévues/mesurées, quelques " |
| 453 | 'filaments puis les\n' |
| 454 | 'histogrammes de quelques poids. Concernant les graphes de filaments, la ' |
| 455 | 'moitié gauche du graphe\n' |
| 456 | 'correspond aux jours similaires au jour courant, tandis que la moitié ' |
| 457 | 'droite affiche les\n' |
| 458 | "lendemains : ce sont donc les voisinages tels qu'utilisés dans " |
| 459 | "l'algorithme.\n" |
| 460 | '\n'], |
| 461 | ['codecell', |
| 462 | 'R', |
| 463 | 'library(talweg)\n' |
| 464 | '\n' |
| 465 | 'ts_data = ' |
| 466 | 'read.csv(system.file("extdata","pm10_mesures_H_loc_report.csv",package="talweg"))\n' |
| 467 | 'exo_data = ' |
| 468 | 'read.csv(system.file("extdata","meteo_extra_noNAs.csv",package="talweg"))\n' |
| 469 | 'data = getData(ts_data, exo_data, input_tz = "Europe/Paris", ' |
| 470 | 'working_tz="Europe/Paris", predict_at=13)\n' |
| 471 | '\n' |
| 472 | 'indices_ch = seq(as.Date("2015-01-18"),as.Date("2015-01-24"),"days")\n' |
| 473 | 'indices_ep = seq(as.Date("2015-03-15"),as.Date("2015-03-21"),"days")\n' |
| 474 | 'indices_np = seq(as.Date("2015-04-26"),as.Date("2015-05-02"),"days")'], |
| 475 | ['markdown', |
| 476 | 'text', |
| 477 | '\n\n<h2 style="color:blue;font-size:2em">Pollution par chauffage</h2>'], |
| 478 | ['codecell', |
| 479 | 'R', |
| 480 | 'p_nn_exo = computeForecast(data, indices_ch, "Neighbors", "Neighbors", ' |
| 481 | 'simtype="exo", horizon=H)\n' |
| 482 | 'p_nn_mix = computeForecast(data, indices_ch, "Neighbors", "Neighbors", ' |
| 483 | 'simtype="mix", horizon=H)\n' |
| 484 | 'p_az = computeForecast(data, indices_ch, "Average", "Zero", horizon=H) #, ' |
| 485 | 'memory=183)\n' |
| 486 | 'p_pz = computeForecast(data, indices_ch, "Persistence", "Zero", horizon=H, ' |
| 487 | 'same_day=TRUE)'], |
| 488 | ['codecell', |
| 489 | 'R', |
| 490 | 'e_nn_exo = computeError(data, p_nn_exo)\n' |
| 491 | 'e_nn_mix = computeError(data, p_nn_mix)\n' |
| 492 | 'e_az = computeError(data, p_az)\n' |
| 493 | 'e_pz = computeError(data, p_pz)\n' |
| 494 | 'options(repr.plot.width=9, repr.plot.height=7)\n' |
| 495 | 'plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], ' |
| 496 | '4))\n' |
| 497 | '\n' |
| 498 | '# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: ' |
| 499 | 'persistence\n' |
| 500 | '\n' |
| 501 | 'i_np = which.min(e_nn_exo$abs$indices)\n' |
| 502 | 'i_p = which.max(e_nn_exo$abs$indices)'], |
| 503 | ['codecell', |
| 504 | 'R', |
| 505 | 'options(repr.plot.width=9, repr.plot.height=4)\n' |
| 506 | 'par(mfrow=c(1,2))\n' |
| 507 | '\n' |
| 508 | 'plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo ' |
| 509 | 'day",i_np))\n' |
| 510 | 'plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))\n' |
| 511 | '\n' |
| 512 | 'plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix ' |
| 513 | 'day",i_np))\n' |
| 514 | 'plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))\n' |
| 515 | '\n' |
| 516 | 'plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))\n' |
| 517 | 'plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))\n' |
| 518 | '\n' |
| 519 | '# Bleu: prévue, noir: réalisée'], |
| 520 | ['codecell', |
| 521 | 'R', |
| 522 | 'par(mfrow=c(1,2))\n' |
| 523 | 'f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); ' |
| 524 | 'title(paste("Filaments nn exo day",i_np))\n' |
| 525 | 'f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); ' |
| 526 | 'title(paste("Filaments nn exo day",i_p))\n' |
| 527 | '\n' |
| 528 | 'f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); ' |
| 529 | 'title(paste("Filaments nn mix day",i_np))\n' |
| 530 | 'f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); ' |
| 531 | 'title(paste("Filaments nn mix day",i_p))'], |
| 532 | ['codecell', |
| 533 | 'R', |
| 534 | 'par(mfrow=c(1,2))\n' |
| 535 | 'plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))\n' |
| 536 | 'plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))\n' |
| 537 | '\n' |
| 538 | 'plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))\n' |
| 539 | 'plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))'], |
| 540 | ['codecell', |
| 541 | 'R', |
| 542 | 'par(mfrow=c(1,2))\n' |
| 543 | 'plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))\n' |
| 544 | 'plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))\n' |
| 545 | '\n' |
| 546 | 'plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))\n' |
| 547 | 'plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))\n' |
| 548 | '\n' |
| 549 | '# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir'], |
| 550 | ['codecell', |
| 551 | 'R', |
| 552 | 'par(mfrow=c(1,2))\n' |
| 553 | 'plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))\n' |
| 554 | 'plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))\n' |
| 555 | '\n' |
| 556 | 'plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))\n' |
| 557 | 'plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)\n' |
| 558 | '\n' |
| 559 | '# - pollué à gauche, + pollué à droite'], |
| 560 | ['codecell', |
| 561 | 'R', |
| 562 | '# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite\n' |
| 563 | 'p_nn_exo$getParams(i_np)$window\n' |
| 564 | 'p_nn_exo$getParams(i_p)$window\n' |
| 565 | '\n' |
| 566 | 'p_nn_mix$getParams(i_np)$window\n' |
| 567 | 'p_nn_mix$getParams(i_p)$window'], |
| 568 | ['markdown', |
| 569 | 'text', |
| 570 | '\n\n<h2 style="color:blue;font-size:2em">Pollution par épandage</h2>'], |
| 571 | ['codecell', |
| 572 | 'R', |
| 573 | 'p_nn_exo = computeForecast(data, indices_ep, "Neighbors", "Neighbors", ' |
| 574 | 'simtype="exo", horizon=H)\n' |
| 575 | 'p_nn_mix = computeForecast(data, indices_ep, "Neighbors", "Neighbors", ' |
| 576 | 'simtype="mix", horizon=H)\n' |
| 577 | 'p_az = computeForecast(data, indices_ep, "Average", "Zero", horizon=H) #, ' |
| 578 | 'memory=183)\n' |
| 579 | 'p_pz = computeForecast(data, indices_ep, "Persistence", "Zero", horizon=H, ' |
| 580 | 'same_day=TRUE)'], |
| 581 | ['codecell', |
| 582 | 'R', |
| 583 | 'e_nn_exo = computeError(data, p_nn_exo)\n' |
| 584 | 'e_nn_mix = computeError(data, p_nn_mix)\n' |
| 585 | 'e_az = computeError(data, p_az)\n' |
| 586 | 'e_pz = computeError(data, p_pz)\n' |
| 587 | 'options(repr.plot.width=9, repr.plot.height=7)\n' |
| 588 | 'plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], ' |
| 589 | '4))\n' |
| 590 | '\n' |
| 591 | '# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: ' |
| 592 | 'persistence\n' |
| 593 | '\n' |
| 594 | 'i_np = which.min(e_nn_exo$abs$indices)\n' |
| 595 | 'i_p = which.max(e_nn_exo$abs$indices)'], |
| 596 | ['codecell', |
| 597 | 'R', |
| 598 | 'options(repr.plot.width=9, repr.plot.height=4)\n' |
| 599 | 'par(mfrow=c(1,2))\n' |
| 600 | '\n' |
| 601 | 'plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo ' |
| 602 | 'day",i_np))\n' |
| 603 | 'plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))\n' |
| 604 | '\n' |
| 605 | 'plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix ' |
| 606 | 'day",i_np))\n' |
| 607 | 'plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))\n' |
| 608 | '\n' |
| 609 | 'plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))\n' |
| 610 | 'plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))\n' |
| 611 | '\n' |
| 612 | '# Bleu: prévue, noir: réalisée'], |
| 613 | ['codecell', |
| 614 | 'R', |
| 615 | 'par(mfrow=c(1,2))\n' |
| 616 | 'f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); ' |
| 617 | 'title(paste("Filaments nn exo day",i_np))\n' |
| 618 | 'f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); ' |
| 619 | 'title(paste("Filaments nn exo day",i_p))\n' |
| 620 | '\n' |
| 621 | 'f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); ' |
| 622 | 'title(paste("Filaments nn mix day",i_np))\n' |
| 623 | 'f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); ' |
| 624 | 'title(paste("Filaments nn mix day",i_p))'], |
| 625 | ['codecell', |
| 626 | 'R', |
| 627 | 'par(mfrow=c(1,2))\n' |
| 628 | 'plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))\n' |
| 629 | 'plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))\n' |
| 630 | '\n' |
| 631 | 'plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))\n' |
| 632 | 'plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))'], |
| 633 | ['codecell', |
| 634 | 'R', |
| 635 | 'par(mfrow=c(1,2))\n' |
| 636 | 'plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))\n' |
| 637 | 'plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))\n' |
| 638 | '\n' |
| 639 | 'plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))\n' |
| 640 | 'plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))\n' |
| 641 | '\n' |
| 642 | '# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir'], |
| 643 | ['codecell', |
| 644 | 'R', |
| 645 | 'par(mfrow=c(1,2))\n' |
| 646 | 'plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))\n' |
| 647 | 'plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))\n' |
| 648 | '\n' |
| 649 | 'plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))\n' |
| 650 | 'plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)\n' |
| 651 | '\n' |
| 652 | '# - pollué à gauche, + pollué à droite'], |
| 653 | ['codecell', |
| 654 | 'R', |
| 655 | '# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite\n' |
| 656 | 'p_nn_exo$getParams(i_np)$window\n' |
| 657 | 'p_nn_exo$getParams(i_p)$window\n' |
| 658 | '\n' |
| 659 | 'p_nn_mix$getParams(i_np)$window\n' |
| 660 | 'p_nn_mix$getParams(i_p)$window'], |
| 661 | ['markdown', |
| 662 | 'text', |
| 663 | '\n\n<h2 style="color:blue;font-size:2em">Semaine non polluée</h2>'], |
| 664 | ['codecell', |
| 665 | 'R', |
| 666 | 'p_nn_exo = computeForecast(data, indices_np, "Neighbors", "Neighbors", ' |
| 667 | 'simtype="exo", horizon=H)\n' |
| 668 | 'p_nn_mix = computeForecast(data, indices_np, "Neighbors", "Neighbors", ' |
| 669 | 'simtype="mix", horizon=H)\n' |
| 670 | 'p_az = computeForecast(data, indices_np, "Average", "Zero", horizon=H) #, ' |
| 671 | 'memory=183)\n' |
| 672 | 'p_pz = computeForecast(data, indices_np, "Persistence", "Zero", horizon=H, ' |
| 673 | 'same_day=TRUE)'], |
| 674 | ['codecell', |
| 675 | 'R', |
| 676 | 'e_nn_exo = computeError(data, p_nn_exo)\n' |
| 677 | 'e_nn_mix = computeError(data, p_nn_mix)\n' |
| 678 | 'e_az = computeError(data, p_az)\n' |
| 679 | 'e_pz = computeError(data, p_pz)\n' |
| 680 | 'options(repr.plot.width=9, repr.plot.height=7)\n' |
| 681 | 'plotError(list(e_nn_mix, e_pz, e_az, e_nn_exo), cols=c(1,2,colors()[258], ' |
| 682 | '4))\n' |
| 683 | '\n' |
| 684 | '# Noir: neighbors_mix, bleu: neighbors_exo, vert: moyenne, rouge: ' |
| 685 | 'persistence\n' |
| 686 | '\n' |
| 687 | 'i_np = which.min(e_nn_exo$abs$indices)\n' |
| 688 | 'i_p = which.max(e_nn_exo$abs$indices)'], |
| 689 | ['codecell', |
| 690 | 'R', |
| 691 | 'options(repr.plot.width=9, repr.plot.height=4)\n' |
| 692 | 'par(mfrow=c(1,2))\n' |
| 693 | '\n' |
| 694 | 'plotPredReal(data, p_nn_exo, i_np); title(paste("PredReal nn exo ' |
| 695 | 'day",i_np))\n' |
| 696 | 'plotPredReal(data, p_nn_exo, i_p); title(paste("PredReal nn exo day",i_p))\n' |
| 697 | '\n' |
| 698 | 'plotPredReal(data, p_nn_mix, i_np); title(paste("PredReal nn mix ' |
| 699 | 'day",i_np))\n' |
| 700 | 'plotPredReal(data, p_nn_mix, i_p); title(paste("PredReal nn mix day",i_p))\n' |
| 701 | '\n' |
| 702 | 'plotPredReal(data, p_az, i_np); title(paste("PredReal az day",i_np))\n' |
| 703 | 'plotPredReal(data, p_az, i_p); title(paste("PredReal az day",i_p))\n' |
| 704 | '\n' |
| 705 | '# Bleu: prévue, noir: réalisée'], |
| 706 | ['codecell', |
| 707 | 'R', |
| 708 | 'par(mfrow=c(1,2))\n' |
| 709 | 'f_np_exo = computeFilaments(data, p_nn_exo, i_np, plot=TRUE); ' |
| 710 | 'title(paste("Filaments nn exo day",i_np))\n' |
| 711 | 'f_p_exo = computeFilaments(data, p_nn_exo, i_p, plot=TRUE); ' |
| 712 | 'title(paste("Filaments nn exo day",i_p))\n' |
| 713 | '\n' |
| 714 | 'f_np_mix = computeFilaments(data, p_nn_mix, i_np, plot=TRUE); ' |
| 715 | 'title(paste("Filaments nn mix day",i_np))\n' |
| 716 | 'f_p_mix = computeFilaments(data, p_nn_mix, i_p, plot=TRUE); ' |
| 717 | 'title(paste("Filaments nn mix day",i_p))'], |
| 718 | ['codecell', |
| 719 | 'R', |
| 720 | 'par(mfrow=c(1,2))\n' |
| 721 | 'plotFilamentsBox(data, f_np_exo); title(paste("FilBox nn exo day",i_np))\n' |
| 722 | 'plotFilamentsBox(data, f_p_exo); title(paste("FilBox nn exo day",i_p))\n' |
| 723 | '\n' |
| 724 | 'plotFilamentsBox(data, f_np_mix); title(paste("FilBox nn mix day",i_np))\n' |
| 725 | 'plotFilamentsBox(data, f_p_mix); title(paste("FilBox nn mix day",i_p))'], |
| 726 | ['codecell', |
| 727 | 'R', |
| 728 | 'par(mfrow=c(1,2))\n' |
| 729 | 'plotRelVar(data, f_np_exo); title(paste("StdDev nn exo day",i_np))\n' |
| 730 | 'plotRelVar(data, f_p_exo); title(paste("StdDev nn exo day",i_p))\n' |
| 731 | '\n' |
| 732 | 'plotRelVar(data, f_np_mix); title(paste("StdDev nn mix day",i_np))\n' |
| 733 | 'plotRelVar(data, f_p_mix); title(paste("StdDev nn mix day",i_p))\n' |
| 734 | '\n' |
| 735 | '# Variabilité globale en rouge ; sur les 60 voisins (+ lendemains) en noir'], |
| 736 | ['codecell', |
| 737 | 'R', |
| 738 | 'par(mfrow=c(1,2))\n' |
| 739 | 'plotSimils(p_nn_exo, i_np); title(paste("Weights nn exo day",i_np))\n' |
| 740 | 'plotSimils(p_nn_exo, i_p); title(paste("Weights nn exo day",i_p))\n' |
| 741 | '\n' |
| 742 | 'plotSimils(p_nn_mix, i_np); title(paste("Weights nn mix day",i_np))\n' |
| 743 | 'plotSimils(p_nn_mix, i_p); title(paste("Weights nn mix day",i_p)\n' |
| 744 | '\n' |
| 745 | '# - pollué à gauche, + pollué à droite'], |
| 746 | ['codecell', |
| 747 | 'R', |
| 748 | '# Fenêtres sélectionnées dans ]0,10] / endo à gauche, exo à droite\n' |
| 749 | 'p_nn_exo$getParams(i_np)$window\n' |
| 750 | 'p_nn_exo$getParams(i_p)$window\n' |
| 751 | '\n' |
| 752 | 'p_nn_mix$getParams(i_np)$window\n' |
| 753 | 'p_nn_mix$getParams(i_p)$window'], |
| 754 | ['markdown', |
| 755 | 'text', |
| 756 | '\n' |
| 757 | '\n' |
| 758 | '<h2>Bilan</h2>\n' |
| 759 | '\n' |
| 760 | "Problème difficile : on ne fait guère mieux qu'une naïve moyenne des " |
| 761 | 'lendemains des jours\n' |
| 762 | "similaires dans le passé, ce qui n'est pas loin de prédire une série " |
| 763 | 'constante égale à la\n' |
| 764 | 'dernière valeur observée (méthode "zéro"). La persistence donne parfois de ' |
| 765 | 'bons résultats\n' |
| 766 | "mais est trop instable (sensibilité à l'argument <code>same_day</code>).\n" |
| 767 | '\n' |
| 768 | 'Comment améliorer la méthode ?']] |