%matplotlib inline
from fbprophet import Prophet
import pandas as pd
import logging
logging.getLogger('fbprophet').setLevel(logging.ERROR)
import warnings
warnings.filterwarnings("ignore")
预测增长
默认情况下,Prophet使用线性模型进行预测。在预测增长时,通常会有一些最大可实现点:总市场规模,总人口规模等。这称为承载能力,此时预测应该会饱和。
Prophet允许您使用具有指定承载能力的logistic growth趋势模型进行预测。我们用维基百科上R(编程语言)页面的页面访问日志数来说明这一点:
df = pd.read_csv('examples/example_wp_log_R.csv')
我们必须在cap中指定承载能力。这里我们假设一个特定的值,但通常使用有关市场规模的数据或专业知识来设置。
df['cap'] = 8.5
需要注意的重要事项是必须为数据框中的每一行指定cap,并且它不必是常量。如果市场规模在增长,那么上限可能会增加。
然后我们像以前一样拟合模型,除了传递一个额外的参数来指定logistic growth:
m = Prophet(growth='logistic')
m.fit(df)
<fbprophet.forecaster.Prophet at 0x2896348a198>
我们像以前一样为未来预测创建数据框,但我们还必须在未来指定cap。在这里,我们将cap保持在与历史记录相同的值,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,并且将以与cap饱和相同的方式饱和。也可以指定不同的饱和最小值。
最小饱和值
logistic growth模型还可以处理饱和最小值,使用与列指定cap相同的方式使用floor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(floor)的logistic growth趋势,还必须指定最大容量(cap)。