时间序列预测 | Python实现梯度提升Prophet模型时间序列预测
基本介绍
一般情况下 LightGBM 模型都会使用一些lag的特征来预测未来的结果,这样做一般情况下能够取得很好的效果。本文介绍一种新的思路:使用 Prophet 从时间序列中提取新特征,然后使用LightGBM 进行训练,可以得到更好的效果。Prophet 模型的实际预测、置信区间的上限和下限、每日和每周的季节性和趋势等都可以作为我们的新特征。对于其他类型的问题,Prophet 还可以帮助我们提取描述假日效果。
![1](https://i-blog.csdnimg.cn/blog_migrate/8c732d3c2189bfbfca45c05fba6c24f3.png)
程序设计
def prophet_features(df, horizon=24*7):
temp_df