A system and method for training a computerized data model for the algorithmic detection of non-linearity in a data set includes providing two master data sets corresponding to two discrete time periods, respectively, and a third data set for a third discrete time period. The two master data sets are mapped to at least one code model. A stacking average model is trained with the at least two master data sets corresponding to two discrete time periods by using a stacked regression algorithm. A box-cox transformation function is applied to the models to provide a predicted value for the third data set of the third discrete time period. An ensemble is created using the predicted value for the third data set and the first, second, and third models of the trained stacking average model to identify a non-linearity in the third data set.La présente invention concerne un système et un procédé d'apprentissage d'un modèle de données informatisé pour la détection algorithmique de non-linéarité dans un ensemble de données, lesquels système et procédé comprennent la fourniture de deux ensembles de données maîtres correspondant à deux périodes de temps discrètes, respectivement, et d'un troisième ensemble de données pour une troisième période de temps discrète. Les deux ensembles de données maîtres sont mappés à au moins un modèle de code. Un modèle moyen d'empilement est entraîné avec les au moins deux ensembles de données maîtres correspondant à deux périodes de temps discrètes par utilisation d'un algorithme de régression empilé. Une fonction de transformée de box-cox est appliquée aux modèles pour fournir une valeur prédite pour le troisième ensemble de données de la troisième période de temps discrète. Un ensemble est créé à l'aide de la valeur prédite pour le troisième ensemble de données et des premier, deuxième et troisième modèles du modèle moyen d'empilemententrapiné pour identifier une non-linéarité dans le troisième ensemble de données.
