Análise comparativa de modelos de machine learning na predição de demanda para instalação de varais

  • Bruno Grizzo Marchese
  • Bruna Sozzo

Resumo

Este artigo tem como objetivo comparar a acurácia do modelo de machine learning Prophet e da rede neural recorrente Long Short-Term Memory (LSTM) na predição de demanda de um serviço de instala ção de varais com base em um histórico de instalações realizadas no período de 2004 ao fim de 2021. Para realizar esta avaliação, são criados modelos LSTM e Prophet para a predição da demanda a partir das informações obtidas. Por fim, são analisadas as métricas de desempenho dos modelos, como o Erro Quadrático Médio (MSE), a Raiz Quadrada do Erro Médio (RMSE) e o Erro Médio Absoluto (MAE), a fim de comparar a acurácia dos dois métodos.

Biografia do Autor

Bruno Grizzo Marchese

Centro Universitário Filadélfia de Londrina - UniFil

Bruna Sozzo

Centro Universitário Filadélfia de Londrina - UniFil

Publicado
2024-08-27
Como Citar
Marchese, B., & Sozzo, B. (2024). Análise comparativa de modelos de machine learning na predição de demanda para instalação de varais. Revista Terra & Cultura: Cadernos De Ensino E Pesquisa, 40(especial), 209-228. Recuperado de http://publicacoes.unifil.br/index.php/Revistateste/article/view/3163/2912