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.
This article aims to compare the accuracy of the Prophet machine learning model and the Long Short-Term Memory (LSTM) recurrent neural network in predicting demand for a clothesline installation service based on a history of installations carried out from 2004 to the end of 2021. To carry out this assessment, LSTM and Prophet models are created to predict demand based on the information obtained. Finally, the models' performance metrics are analyzed, such as the Mean Square Error (MSE), the Root Mean Square Error (RMSE) and the Mean Absolute Error (MAE), in order to compare the accuracy of the two methods.
