4、Prophet是Facebook发布的基于可分解(趋势+季节+节假日)模型的开源库。它可以用简单直观的参数进行高精神的时间序列预测。
4.1 Prophet预测模型
时间序列模型分解为三个主要组成部分:趋势,季节性和节假日。y(t)=g(t)+s(t)+h(t)+εt
- g(t):用于拟合时间序列中的分段线性增长或逻辑增长等非周期变化
- s(t):周期变化(如:每周/每年的季节性)
- h(t):非规律性的节假日效应(用户造成)
- εt:误差项用来反映未在模型中体现的异常变动
Prophet使用时间为回归元,尝试拟合线性和非线性的时间函数项,采取类似霍尔特-温特斯( Holt-Winters )指数平滑的方法,将季节作为额外的成分来建模。事实上,我们将预测问题类比为拟合曲线模型,而不是精确地去看时间序列中每个时点上的观测值。
4.2 软件安装
4.2.1 安装PyStan
fbprophet依赖于PyStan,所以首先要安装PyStan库。我用的是Anaconda
pip install pystan
4.2.2 安装fbprophet
使用conda来解决
conda install -c conda-forge fbprophet