Quelles métriques d'évaluation sont applicables pour évaluer la qualité d'un modèle de prévision de séries temporelles ? (Choisissez-en deux.)

Le Root Mean Square Error (RMSE) est une métrique couramment utilisée pour évaluer la précision des modèles de prévision de séries temporelles. Il mesure l'ampleur moyenne des erreurs de prédiction, en donnant plus de poids aux erreurs importantes. L'Average Weighted Quantile Loss (wQL) est particulièrement utile pour les prévisions de séries temporelles, notamment dans les contextes où l'on souhaite évaluer la qualité des prévisions de quantiles (par exemple, pour les intervalles de confiance ou la gestion des risques). Recall est une métrique pour les problèmes de classification, mesurant la proportion de positifs réels correctement identifiés. LogLoss est également une métrique de classification, évaluant la performance d'un modèle de classification dont la sortie est une probabilité. InferenceLatency mesure le temps nécessaire pour qu'un modèle génère une prédiction, ce qui est une métrique de performance opérationnelle et non d'évaluation de la qualité de la prédiction.