（11-4-3）比特币价格预测系统：创建预测

在本项目中，只需几行代码即可创建预测。首先，指定数据集信息，将时间列参数设置为 'Timestamp'，将值列参数设置为 'Weighted_Price'。在频率（freq）中，将值设置为 'D'，表示从起始日期开始的每日数据。之后，使用 GreyKite中的类Forecaster创建一个预测器。run_forecast_config()输出的将是一个字典，其中包含了未来预测值、原始时间序列和历史预测性能。

（1）使用 GreyKite 创建时间序列预测，首先创建了一个元数据参数对象（metadata），用于指定数据集的信息，包括时间列名称（"Timestamp"）、值列名称（"Weighted_Price"）以及时间序列的频率（"W"，表示每周）。然后，创建了一个时间序列预测器对象（forecaster）。具体实现代码如下所示。

# 创建元数据参数对象，用于指定数据集信息
metadata = MetadataParam(
    time_col="Timestamp",    # 指定时间列的名称
    value_col="Weighted_Price",  # 指定值列的名称
    freq="W"  # 指定时间序列的频率，这里设置为每周（"W"）
)

# 创建一个时间序列预测器对象
forecaster = Forecaster()

# 运行预测配置
result = forecaster.run_forecast_config(
    df=df_price_include,  # 使用包含数据的DataFrame
    config=ForecastConfig(
        model_template=ModelTemplateEnum.SILVERKITE.name,  # 使用 Silverkite 模型模板
        forecast_horizon=30,  # 预测未来的时间步数，这里设置为30步
        coverage=0.95,  # 设置预测的置信水平为95%
        metadata_param=metadata  # 使用之前创建的元数据参数
    )
)

在上述代码中，使用 run_forecast_config 方法运行预测配置，其中包括以下配置项：

1. model_template：使用 Silverkite 模型模板来进行预测。
2. forecast_horizon：设置预测未来的时间步数，这里设置为30步。
3. coverage：设置预测的置信水平为95%。
4. metadata_param：使用之前创建的元数据参数，指定数据集的信息。

最终，result 包含了预测结果，包括未来预测值、原始时间序列数据以及历史预测性能。这个代码片段演示了如何使用 GreyKite 包创建时间序列预测模型并运行预测配置。执行后会输出：

Fitting 3 folds for each of 1 candidates, totalling 3 fits

（2）绘制时间序列预测结果，具体实现代码如下所示。

fig = result.timeseries.plot()

fig.show()

执行后会绘制时间序列预测结果图，如图11-10所示，

图11-10  时间序列预测结果的图

未完待续，源码和数据在最后完结篇