prophet的安装是个艰难的过程,希望大家加油。
1.第一步导入工具包
2.选择一个表格数据,进行预测
显示前5行,然后因为Prophet 的输入量往往是一个包含两列的数据框:ds 和 y ,所以如果表格设计好了的话最好,没有的话,就将列名设置为ds y
代码:df.columns=[‘ds’,‘y’]
ds 列必须包含日期(YYYY-MM-DD)或者是具体的时间点(YYYY-MM-DD HH:MM:SS)。 y 列必须是数值变量,表示我们希望去预测的量。
代码设置成时间类型:
df[‘ds’]=pd.to_datetime(df[‘ds’])
我们导入数据,该数据已经做过了log处理(即,做过df[‘y’] = np.log(df[‘y’])操作)。
3. 通过对一个 Prophet 对象进行实例化来拟合模型,任何影响预测过程的设置都将在构造模型时被指定。接下来,就可以使用 fit 方法代入历史数据集来拟合模型
预测过程则需要建立在包含日期 ds 列的数据框基础上。通过使用辅助的方法 Prophet.make_future_dataframe 来将未来的日期扩展指定的天数,得到一个合规的数据框。默认情况下,这样做会自动包含历史数据的日期,因此我们也可以用来查看模型对于历史数据的拟合效果。
这里未来365天都是按天来的,如果想按月来的话,可以输入下面的代码
future = m.make_future_dataframe(periods=365,freq=‘m’)
predict 方法将会对每一行未来 future 日期得到一个预测值(称为 yhat )。如果你传入了历史数据的日期,它将会提供样本的模型拟合值。预测 forecast 创建的对象应当是一个新的数据框,其中包含一列预测值 yhat ,以及成分的分析和置信区间。
显示图片