ML之prophet：prophet的簡介、安裝、使用方法之詳細(xì)攻略

prophet的簡介

? ? ? ?Prophet是Facebook核心數(shù)據(jù)科學(xué)團隊發(fā)布的開源軟件。Prophet是一個用R和Python實現(xiàn)的預(yù)測模塊。它速度很快，并提供完全自動化的預(yù)測，可以由數(shù)據(jù)科學(xué)家和分析師手動調(diào)整。
? ? ? ?Prophet是一種基于加法模型的預(yù)測時間序列數(shù)據(jù)的程序，其中非線性趨勢與年度、每周和每日的季節(jié)性以及假日影響相吻合。它最適合具有強烈季節(jié)效應(yīng)的時間序列和幾個季節(jié)的歷史數(shù)據(jù)。Prophet對于缺失的數(shù)據(jù)和趨勢的變化非常穩(wěn)健，并且通常能很好地處理異常值。

相關(guān)論文：Forecasting at scale [PeerJ Preprints]

官網(wǎng)API：Quick Start | Prophet

1、四大特點

準(zhǔn)確快速：Prophet在Facebook上的許多應(yīng)用程序中使用，為計劃和目標(biāo)設(shè)定提供可靠的預(yù)測。我們發(fā)現(xiàn)，在大多數(shù)情況下，它比任何其他方法都要好。我們在Stan中安裝模型，這樣你就可以在幾秒鐘內(nèi)得到預(yù)測。
全自動化：無需手動操作即可對雜亂數(shù)據(jù)進行合理預(yù)測。Prophet 對異常值、缺失數(shù)據(jù)和時間序列中的顯著變化具有魯棒性。
可調(diào)的預(yù)測：Prophet 程序包括許多用戶調(diào)整和調(diào)整預(yù)測的可能性。您可以使用人類可解釋的參數(shù)，通過添加您的領(lǐng)域知識來改進您的預(yù)測。
R或Python中可用：已經(jīng)在R和Python中實現(xiàn)了Prophet過程，但是為了擬合，它們共享相同的底層Stan代碼。可以使用任何你熟悉的語言來進行預(yù)測。

prophet的安裝

pip install prophet
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple prophet

prophet的使用方法

1、基礎(chǔ)案例

import pandas as pd
from prophet import Prophet

df = pd.read_csv('https://raw.githubusercontent.com/facebook/prophet/main/examples/example_wp_log_peyton_manning.csv')
df.head()

m = Prophet()
m.fit(df)

future = m.make_future_dataframe(periods=365)
future.tail()

forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()

fig1 = m.plot(forecast)
fig2 = m.plot_components(forecast)

from prophet.plot import plot_plotly, plot_components_plotly
plot_plotly(m, forecast)
plot_components_plotly(m, forecast)

2、進階案例

ML之prophet：利用prophet算法對維基百科頁面的日志每日頁面瀏覽量實現(xiàn)回歸預(yù)測(時間序列的趨勢/周季節(jié)性趨勢/年季節(jié)性趨勢)案例

https://yunyaniu.blog.csdn.net/article/details/129676167

ML之prophet：利用prophet算法對上海最高氣溫實現(xiàn)回歸預(yù)測(時間序列的趨勢/周季節(jié)性趨勢/年季節(jié)性趨勢)案例

https://yunyaniu.blog.csdn.net/article/details/129670964