Facebook开源了一个预测工具,一个可用Python语言编写的预测工具。例如,像Facebook这样的大型组织必须进行容量规划,以便有效地分配稀缺资源和目标设置,以便度量相对于基准的性能。对机器或大多数分析师来说,做出高质量的预测都不是一个容易的问题。在编制各类业务预测时,我们发现两个主要的主题:
- 完全自动化的预测技术可能很脆弱,而且它们往往过于死板,无法纳入有用的假设或启发
- 能够做出高质量预测的分析师非常罕见,因为预测是一种需要大量经验的专业数据科学技能
这些主题的结果是,对高质量预测的需求往往远远超过分析师做出预测的速度。这一观察结果是我们工作的动机建筑先知:我们想让专家和非专家更容易做出高质量的预测,以跟上需求
“规模”所包含的典型考虑因素(计算和存储)对预测的影响并不大。我们发现预测大量时间序列的计算和基础设施问题相对简单——通常这些拟合过程并行化非常容易,而且预测不难存储在关系数据库(如MySQL)或数据仓库(如Hive)中。
我们在实践中所观察到的规模问题涉及预测问题的多样性所带来的复杂性,以及一旦预测产生,人们对大量预测建立信任。prophet是提高Facebook创造大量可靠预测的关键因素,这些预测可用于决策,甚至用于产品功能。
prophet亮点
并不是所有的预测问题都能用同样的方法解决。Prophet针对我们在Facebook遇到的业务预测任务进行了优化,这些任务通常具有以下任何特征:
- 每小时、每天或每周进行至少几个月(最好一年)的观察
- 强烈的多样性“人类规模—