Prophet（预言者）facebook时序预测----论文总结以及调参思路

最新推荐文章于 2024-08-05 17:37:57 发布

张月鹏

最新推荐文章于 2024-08-05 17:37:57 发布

阅读量1.8w

点赞数 4

分类专栏：时序预测文章标签： Prophet facebook 预测调参时序预测

本文链接：https://blog.csdn.net/h4565445654/article/details/78398089

版权

本文介绍了Facebook的Prophet库，它是一个易于使用的时序预测工具，尤其适合非专业人士。Prophet采用加性模型，包含趋势、周期和随机噪声组件，并允许对这些部分进行单独分析。在去除异常值、选择趋势模型、设定转折点和周期性以及调整节假日特征后，可以通过观察图表并微调参数来构建更精确的预测模型。推荐的调参参数包括seasonality_prior_scale、holidays_prior_scale和changepoint_prior_scale。

摘要由CSDN通过智能技术生成

Prophet是比较简单易用的，对于非时序预测和机器学习领域专家的是非常容易上手的。其参数大多数都是非常直观的参数。（Prophet的python包大量使用了pandas库，所以使用python做开发的需要首先了解pandas的使用。）
Prophet也是一种约定优于配置的思想，写代码只需要按照约定的套路定义好pandas中的dataframe就可以轻松进行预测。
下面我们来进行一个官方网站提供的Quick Start来进行学习了解。

import pandas as pd
import numpy as np
from fbprophet import Prophet
import matplotlib.pyplot as plt

# 数据文件请从github上的Prophet项目下载，并放在代码的对应目录
df = pd.read_csv('examples/example_wp_peyton_manning.csv')
df['y'] = np.log(df[