prophet Saturating Forecasts饱和预测例子

一、例子代码

demo代码：https://github.com/lilihongjava/prophet_demo/tree/master/saturating_forecasts

# encoding: utf-8
"""
@author: lee
@time: 2019/5/13 15:26
@file: main.py
@desc: 
"""
import pandas as pd
from fbprophet import Prophet
from pandas.plotting import register_matplotlib_converters


def main():
    df = pd.read_csv('./data/example_wp_log_R.csv')

    df['cap'] = 8.5

    m = Prophet(growth='logistic')
    m.fit(df)

    register_matplotlib_converters()
    future = m.make_future_dataframe(periods=1826)
    future['cap'] = 8.5
    fcst = m.predict(future)
    fig = m.plot(fcst)
    fig.show()

    df['y'] = 10 - df['y']
    df['cap'] = 6
    df['floor'] = 1.5
    future['cap'] = 6
    future['floor'] = 1.5
    m = Prophet(growth='logistic')
    m.fit(df)
    fcst = m.predict(future)
    fig = m.plot(fcst)
    fig.show()


if __name__ == "__main__":
    main()

二、逻辑增长模型(logistic growth)

默认情况下，Prophet 使用线性模型来预测，在预测增长时，通常会出现最大可达点，例如总市场规模，总人口数等。这被称为承载能力，预测应该在这一点上饱和。

Prophet允许使用具有指定承载能力的逻辑增长模型(logistic growth)进行预测。以下使用维基百科上R语言访问量(取对数)的数据。

df = pd.read_csv('../examples/example_wp_log_R.csv')

使用该模型，必须指定承载能力即：cap，必须在一个新的列上指明

df['cap'] = 8.5

需要注意的是，cap必须为dataframe的每一行指定，cap 列的值不一定是常数，因为如果市场规模在增长，那么cap 可能也会增长。

然后我们像以前一样拟合模型，传递一个额外的参数growth='logistic'来指定 logistic growth：

m = Prophet(growth='logistic')
m.fit(df)

我们像之前的例子一样为预测构造一个dataframe ，但我们还必须指定cap。我们将cap设置上面相同的值，并预测未来3年：

future = m.make_future_dataframe(periods=1826)
future['cap'] = 8.5
fcst = m.predict(future)
fig = m.plot(fcst)

logistic函数的隐式最小值为0，并且在0处饱和，就像在cap处饱和一样。也可以指定不同的饱和最小值。

三、饱和最小值

逻辑增长模型模型还可以处理饱和最小值，使用floor与cap相同的方式来指定：

df['y'] = 10 - df['y']
df['cap'] = 6
df['floor'] = 1.5
future['cap'] = 6
future['floor'] = 1.5
m = Prophet(growth='logistic')
m.fit(df)
fcst = m.predict(future)
fig = m.plot(fcst)

要使用具有饱和最小值的logistic growth trend，还必须指定最大cap。

参考资料：

https://facebook.github.io/prophet/docs/saturating_forecasts.html