时间序列预测算法----Prophet

上周同事在分享爬虫的过程中，说到了动态调度的难度在于网站的每天的更新的次数，然后我就想到关于时间序列的预测，是否可以解决这个问题。
关于时间序列的建模，AR，MA，ARMA等传统的算法已经很成熟，但是效果不是很好，facebook开源的工具Prophet效果就好很多

Github地址：
https://github.com/facebook/prophet
官方网址：
https://facebook.github.io/prophet/

prophet 所做的事情就是：
（1）输入已知的时间序列和对应的值（Prophet是单特征模型，输入只有两列，日期列必须被称为“ds”，数值列被称为“y”）；

（2）输入需要预测的时间序列的长度，比如 periods 设置365，就表示预测365个新值；
（3）使用已经有的时间序列和对应值训练模型，并输出结果。
（4）输出结果包括目标值，上界和下界，等，还可以画出趋势曲线。

其中yhat为预测的结果，yhat_lower和yhat_upper分别是预测的下界和上界

实现代码如下：

from fbprophet import Prophet
import pandas as pd
df = pd.read_excel('./test.xlsx')
m = Prophet()
m.fit(df)
#这里预测是以天为维度 默认的是freq='D' ，
# freq: Any valid frequency for pd.date_range, such as 'D' or 'M'.  可以使用 pd.date_range定义任意的时间间隔
future = m.make_future_dataframe(periods=365)
forecast = m.predict(future)

dataFm = pd.DataFrame(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']])
dataFm.to_csv('./res.csv')

picter1 = m.plot(forecast)
picter1.show()
picter2 = m.plot_components(forecast)
picter2.show()