Coggle数据科学 | Kaggle 知识点：时序模型 Prophet

本文来源公众号“Coggle数据科学”，仅用于学术分享，侵权删，干货满满。

原文链接：Kaggle 知识点：时序模型 Prophet

Prophet 算法

在时间序列中Prophet是Facebook开源的时间序列预测算法，可以有效处理节假日信息，并按周、月、年对时间序列数据的变化趋势进行拟合。

https://facebook.github.io/prophet/

# pip
python -m pip install prophet

# conda
conda install -c conda-forge prophet

截至2023年1月，这个Python包通过PyPI已被下载超过1600万次，每月下载量仍保持在100万次。

Prophet对具有强烈周期性特征的历史数据拟合效果很好，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。

模型定义

Prophet使用了可分解的时间序列模型，模型包含三个主要组件：趋势、季节性和假日。它们通过以下方程组合在一起：

• 是趋势函数，用于模拟时间序列值的非周期性变化

• 表示周期性变化（例如每周和每年的季节性变化）

• 表示假日效应，这些假日在一个或多个不规则时间安排的日子内发生

• 误差项表示模型未能捕捉的变化

Prophet适用场景

• 有至少几个月（最好是一年）的每小时、每天或每周观察的历史数据；

• 有多种人类规模级别的较强的季节性趋势：每周的一些天和每年的一些时间；

• 有事先知道的以不定期的间隔发生的重要节假日（比如国庆节）；

• 缺失的历史数据或较大的异常数据的数量在合理范围内；

• 有历史趋势的变化（比如因为产品发布）；

Prophet出发点

Prophet 的出发点是提供一种灵活的、可解释的回归模型，该模型可以直观地由具有时间序列知识的分析师调整。这种模型的设计考虑了以下几个关键点：

1. 易于使用：Prophet 旨在使没有时间序列方法训练的大量人员也能进行预测。

2. 灵活性：它能够适应具有潜在特殊特征的多种预测问题。

3. 自动化与人工干预相结合：Prophet 通过自动化的方式进行预测，同时在模型性能不佳或需要人工干预时，允许分析师进行调整。

4. 大规模评估：在创建大量预测时，需要有效、自动化的方法来评估和比较预测结果，并检测可能表现不佳的情况。

5. 可解释性：Prophet 的参数具有直观的解释，使得即使非专家也能根据领域知识进行模型配置。

Prophet 模型的设计允许它捕捉时间序列数据中的多种特征，如趋势、季节性、假日效应等，同时提供了一种机制来评估预测性能并根据需要进行调整。

Prophet使用案例

案例 1：拟合基础模型

import pandas as pd
from prophet import Prophet

# 需要有两列，ds 列和 y 列
df = pd.read_csv('https://mirror.coggle.club/prophet/example_wp_log_peyton_manning.csv')

# 定义模型，并训练
m = Prophet()
m.fit(df)

# 推理未来的日期，并镜像预测
future = m.make_future_dataframe(periods=365)
forecast = m.predict(future)

• 模型预测结果

• 模型分解结果

案例2：自动识别趋势变化

实际的时间序列经常会在轨迹上发生突然变化。默认情况下，Prophet 会自动检测这些变化点，并允许趋势适当调整。

Prophet 通过首先指定大量潜在的变化点来检测变化点，在这些点上允许速率变化。默认情况下，Prophet 指定了 25 个潜在的变化点，这些变化点均匀地分布在时间序列的前 80% 部分。

import pandas as pd
from prophet import Prophet

df = pd.read_csv('https://mirror.coggle.club/prophet/example_wp_log_peyton_manning.csv')
m = Prophet()

fig = m.plot(forecast)
a = add_changepoints_to_plot(fig.gca(), m, forecast)

案例 3：自定义节假日

如果你有假期或其他重复出现的事件需要建模，必须为它们创建一个数据框。数据框包含两列（holiday 和 ds），每行对应一次假期的发生。数据框必须包括假期的所有发生时间，既包括过去的（从历史数据开始）也包括未来的（预测范围内）。如果假期在未来不会重复，Prophet 会对其进行建模，但不会将其纳入预测中。

playoffs = pd.DataFrame({
  'holiday': 'playoff',
  'ds': pd.to_datetime(['2008-01-13', '2009-01-03', '2010-01-16',
                        '2010-01-24', '2010-02-07', '2011-01-08',
                        '2013-01-12', '2014-01-12', '2014-01-19',
                        '2014-02-02', '2015-01-11', '2016-01-17',
                        '2016-01-24', '2016-02-07']),
  'lower_window': 0,
  'upper_window': 1,
})

superbowls = pd.DataFrame({
  'holiday': 'superbowl',
  'ds': pd.to_datetime(['2010-02-07', '2014-02-02', '2016-02-07']),
  'lower_window': 0,
  'upper_window': 1,
})

special_days = pd.DataFrame({
    'holiday': ['Christmas', 'Christmas Eve', 'Black Friday'],
    'ds': ['2023-12-25', '2023-12-24', '2023-11-24'],
    'lower_window': [0, -1, 0],
    'upper_window': [0, 0, 1],
    'prior_scale': [10, 5, 3]
})

holidays = pd.concat((playoffs, superbowls, special_days))

m = Prophet(holidays=holidays)
forecast = m.fit(df).predict(future)

案例4：多元回归

Prophet使用 add_regressor 方法或函数将额外的回归变量添加到模型的线性部分。需要在拟合和预测的数据框中都包含一个带有回归变量值的列。

添加的额外回归因子必须对于历史数据和未来日期都是已知的。这意味着它要么是已知未来值的变量（，要么是在其他地方已经预测过的变量。

def nfl_sunday(ds):
    date = pd.to_datetime(ds)
    if date.weekday() == 6 and (date.month > 8 or date.month < 2):
        return 1
    else:
        return 0
df['nfl_sunday'] = df['ds'].apply(nfl_sunday)

m = Prophet()
m.add_regressor('nfl_sunday')
m.fit(df)

future['nfl_sunday'] = future['ds'].apply(nfl_sunday)

forecast = m.predict(future)
fig = m.plot_components(forecast)

案例5：兼容缺失值

df = pd.read_csv('https://mirror.coggle.club/prophet/example_wp_log_R_outliers1.csv')
m = Prophet()
m.fit(df)

future = m.make_future_dataframe(periods=1096)
forecast = m.predict(future)
fig = m.plot(forecast)

处理异常值的最佳方法是将其从数据中移除。Prophet 可以很好地处理缺失数据。 Prophet 能够通过拟合趋势变化来处理历史数据中的异常值。不确定性模型可能会预期未来也会出现类似幅度的趋势变化，这可能导致预测区间变宽。

df.loc[(df['ds'] > '2010-01-01') & (df['ds'] < '2011-01-01'), 'y'] = None
model = Prophet().fit(df)
fig = model.plot(model.predict(future))

案例6：模型调参

import itertools
import numpy as np
import pandas as pd

param_grid = {  
    'changepoint_prior_scale': [0.001, 0.01, 0.1, 0.5],
    'seasonality_prior_scale': [0.01, 0.1, 1.0, 10.0],
}

# Generate all combinations of parameters
all_params = [dict(zip(param_grid.keys(), v)) for v in itertools.product(*param_grid.values())]
rmses = []  # Store the RMSEs for each params here

df = pd.read_csv('https://mirror.coggle.club/prophet/example_retail_sales.csv')
# Use cross validation to evaluate all parameters
for params in all_params:
    m = Prophet(**params).fit(df)  # Fit model with given params
    df_cv = cross_validation(m, cutoffs=cutoffs, horizon='30 days', parallel="processes")
    df_p = performance_metrics(df_cv, rolling_window=1)
    rmses.append(df_p['rmse'].values[0])

# Find the best parameters
tuning_results = pd.DataFrame(all_params)
tuning_results['rmse'] = rmses
print(tuning_results)

案例 7：模型微调

使用热启动技术可以在添加新数据时显著加快模型的拟合速度。热启动对于数据的小幅度更新（如例子中一天的数据）效果很好，但如果数据发生了较大变化（例如，添加了很多天的数据），热启动可能不如从头开始拟合模型来得有效。

def warm_start_params(m):
    res = {}
    for pname in ['k', 'm', 'sigma_obs']:
        if m.mcmc_samples == 0:
            res[pname] = m.params[pname][0][0]
        else:
            res[pname] = np.mean(m.params[pname])
    for pname in ['delta', 'beta']:
        if m.mcmc_samples == 0:
            res[pname] = m.params[pname][0]
        else:
            res[pname] = np.mean(m.params[pname], axis=0)
    return res

df = pd.read_csv('https://mirror.coggle.club/prophet/example_wp_log_peyton_manning.csv')
df1 = df.loc[df['ds'] < '2016-01-19', :]  # All data except the last day
m1 = Prophet().fit(df1) # A model fit to all data except the last day

%timeit m2 = Prophet().fit(df)  # Adding the last day, fitting from scratch
%timeit m2 = Prophet().fit(df, init=warm_start_params(m1))  # Adding the last day, warm-starting from m1

Prophet参数含义与调参

参数含义

参数名称	说明
growth	趋势类型，可选值有 'linear', 'logistic', 或 'flat'。
changepoints	变化点日期列表。如果未指定，将自动选择潜在变化点。
n_changepoints	潜在变化点的数量。如果未指定 changepoints，则在历史数据的前 changepoint_range 比例内均匀选择
changepoint_range	用于估计趋势变化点的历史比例。
yearly_seasonality	是否拟合年度季节性。可以是 'auto', True, False，或傅里叶项的数量。
weekly_seasonality	是否拟合每周季节性。可以是 'auto', True, False，或傅里叶项的数量。
daily_seasonality	是否拟合每日季节性。可以是 'auto', True, False，或傅里叶项的数量。
holidays	包含假期数据的 pd.DataFrame，
seasonality_mode	季节性模式，可选值为 'additive'（加性）或 'multiplicative'（乘性）。
seasonality_prior_scale	调节季节性模型强度的参数。值越大，模型可以拟合的季节性波动越大；值越小，季节性波动幅度越小。
holidays_prior_scale	调节假期组件模型强度的参数，除非在假期输入中被覆盖。
changepoint_prior_scale	调节自动变化点选择灵活性的参数。值越大，允许的变化点越多；值越小，允许的变化点越少。
interval_width	预测的不确定区间的宽度。
uncertainty_samples	用于估计不确定区间的模拟抽样数量。将此值设置为 0 或 False 将禁用不确定性估计并加快计算速度。

超参数调优

主要可调参数

1. changepoint_prior_scale：

   • 作用：确定趋势的灵活性，特别是趋势在变化点的变化幅度。

   • 默认值：0.05

   • 调优范围：[0.001, 0.5]

   • 说明：值越大，趋势变化越灵活，过大可能导致过拟合，过小可能导致欠拟合。

2. seasonality_prior_scale：

   • 作用：控制季节性的灵活性。

   • 默认值：10

   • 调优范围：[0.01, 10]

   • 说明：值越大，季节性变化越大，值越小，季节性幅度越小。

3. holidays_prior_scale：

   • 作用：控制假期效应的灵活性。

   • 默认值：10

   • 调优范围：[0.01, 10]

   • 说明：与季节性灵活性类似，调整假期效应的幅度。

4. seasonality_mode：

   • 作用：季节性的模式，可以选择加性（'additive'）或乘性（'multiplicative'）。

   • 默认值：'additive'

   • 说明：商业时间序列中，季节性变化随时间序列幅度变化的情况适合乘性模式。

可能需要调优的参数

1. changepoint_range：

   • 作用：确定趋势变化的历史比例。

   • 默认值：0.8（80% 的历史数据）

   • 调优范围：[0.8, 0.95]

   • 说明：增加该参数可能有助于避免在时间序列末尾过拟合。

一般不需要调优的参数

1. growth：选择增长模式（'linear' 或 'logistic'）。

2. changepoints：手动指定变化点位置。

3. n_changepoints：自动放置的变化点数量，默认 25。

4. yearly_seasonality：是否启用年度季节性（默认 'auto'）。

5. weekly_seasonality：是否启用每周季节性（默认 'auto'）。

6. daily_seasonality：是否启用每日季节性（默认 'auto'）。

7. holidays：传入指定假期的数据框。

8. mcmc_samples：是否使用 MCMC，取决于时间序列的长度和参数不确定性的重要性。

9. interval_width：指定预测区间的宽度（默认 0.8，对应 80% 置信区间）。

10. uncertainty_samples：用于计算不确定性区间的样本数量，默认 1000。

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。