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

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.