数据分析36计(十)：Facebook开源时间序列预测算法 Prophet在分析师中热门使用

1. Prophet简介

Facebook 在2017年开源了一个叫fbprophet的时间序列预测的算法，Facebook 所提供的 prophet 算法Prophet是Facebook发布的基于可分解（趋势+季节+节假日）模型的开源库。该算法支持自定义季节和节假日，解决了像春节、618和双十一这种周期性节假日的指标预测难题。prophet不仅可以处理时间序列存在一些异常值的情况，也可以处理部分缺失值的情形，还能够几乎全自动地预测时间序列未来的走势。而且Prophet包提供了直观易调的参数，即使是对缺乏模型知识的人来说，也可以据此对各种商业问题做出有意义的预测。它的官方网址与基本介绍来自于：

• Github：github.com/facebook/pro

• 官方网址：facebook.github.io/prop

2. Prophet算法原理

数据的输入和输出

Prophet 的输入包含两列数据：ds 和 y 。ds 列为日期（YYYY-MM-DD）或者是具体的时间点（YYYY-MM-DD HH:MM:SS）。y 列是数值变量，即预测量。

算法实现

一般来说，在实际生活和生产环节中，除了季节项，趋势项，剩余项之外，通常还有节假日的效应。所以，在 prophet 算法里面同时考虑了以上四项：

•   表示趋势项，它表示时间序列在非周期上面的变化趋势；

•   表示周期项，或者称为季节项，一般来说是以周或者年为单位；

•   表示节假日项，表示在当天是否存在节假日；

•  表示误差项或者称为剩余项。Prophet 算法就是通过拟合这几项，然后最后把它们累加起来就得到了时间序列的预测值。

趋势项模型

趋势是对时间序列中非周期性部分的趋势进行拟合。在 Prophet 算法里面，趋势项有两个重要的函数，一个是基于逻辑回归函数，另一个是基于分段线性函数。这里来介绍一下基于逻辑回归的趋势项是怎么做的。

逻辑回归函数形式为：    如果增加一些参数的话，那么逻辑回归就可以改写成：这里的分别为曲线的最大渐近值，曲线的增长率，曲线的中点。当  时，恰好就是大家常见的 sigmoid 函数的形式。那么这里增加了参数的一般函数形式就为：

在现实环境中，参数  不可能都是常数，而很有可能是随着时间的迁移而变化的，因此，在 Prophet 里面，作者考虑把这三个参数全部换成了随着时间而变化的函数，也就是 

通常在生产生活中，我们希望某指标在整个预测区间内持续增长或下降。但也会有最大最小容量的限制，比如某app预测在某地未来12个月的UV，最大UV只能接近该地区人数。因此分析师在调参时可以定义时间序列预测的容量限制为C(t)。

另外，在现实的时间序列中，指标经常会因