Stationnarité et différenciation
Préparer une série à la modélisation
Stationnarité et différenciation est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Les modèles aiment les données stables
La plupart des modèles de prévision supposent que la série se comporte de manière cohérente au fil du temps. Cette propriété porte un nom : la stationnarité. 🎯
Ce que signifie stationnaire
Une série stationnaire possède une moyenne et une dispersion stables qui n’évoluent pas au fil du temps. Son comportement statistique reste le même.
Les tendances brisent la stationnarité
Une tendance à la hausse signifie que la moyenne ne cesse d’augmenter : la série est donc non stationnaire. De nombreux modèles auront des difficultés tant que vous ne corrigerez pas cela.
La saisonnalité la brise aussi
Des variations saisonnières répétées font monter et descendre la moyenne selon un cycle. Ce motif changeant rend également la série non stationnaire.
Le test ADF
Vous n’avez pas besoin de deviner. Le test ADF vérifie la stationnarité et renvoie une p-valeur que vous pouvez interpréter.
from statsmodels.tsa.stattools import adfuller
result = adfuller(sales)Interprétez la p-valeur
Si la p-valeur de l’ADF est inférieure à 0,05, la série est probablement stationnaire. Au-dessus de ce seuil, vous avez probablement encore une tendance à supprimer.
La différenciation à la rescousse
La différenciation remplace chaque valeur par la variation qu’elle a subie depuis l’étape précédente. Cette opération simple efface souvent une tendance.
diffed = sales.diff()Pourquoi elle supprime les tendances
En observant les changements plutôt que les niveaux, une hausse régulière devient une ligne plate qui oscille autour de zéro, donc stationnaire.
Supprimez le premier NaN
La toute première ligne n’a rien à soustraire, donc diff lui attribue NaN. Supprimez-la avant les tests ou la modélisation.
diffed = sales.diff().dropna()Différencier une nouvelle fois
Si une étape ne suffit pas, différenciez le résultat une seconde fois. Le nombre d’étapes devient le terme d dans ARIMA.
Différenciation saisonnière
Pour éliminer un cycle annuel, soustrayez la valeur située 12 étapes plus tôt. Cette différenciation saisonnière cible directement le schéma répétitif.
seasonal = sales.diff(12)Vérification rapide
Un test ADF effectué sur votre série brute renvoie une valeur p de 0,40. Qu’est-ce que cela suggère ?
Récapitulatif : stabiliser la série
Vous avez appris à tester la stationnarité avec ADF et à supprimer les tendances et les cycles par différenciation avant la modélisation.
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Stationnarité et différenciation » est-elle gratuite ?
Oui — le texte complet de « Stationnarité et différenciation » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Stationnarité et différenciation » ?
Préparer une série à la modélisation Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Stationnarité et différenciation » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Tendance, saisonnalité et bruit
- Fenêtres glissantes et décalages
- Stationnarité et différenciation
- Une première prévision de référence