prophet 算法是基于时间序列分解(同上:seasonal、trend、residual)和机器学习的拟合来做的,它最适用于具有强烈季节性影响和多个季节历史数据的时间序列。Prophet 对缺失数据和趋势变化具有稳健性,并且通常可以很好地处理异常值。
- 算法详解:张戎:Facebook 时间序列预测算法 Prophet 的研究
- 实现(GluonTS)
from gluonts.model.prophet import ProphetPredictor
# build model
prophet_estimator = ProphetPredictor(freq='1D',
prediction_length=args.horizon,
prophet_params={'daily_seasonality': True,
'weekly_seasonality': True,
'changepoint_prior_scale': 0.03,
'changepoint_range': 0.5,
'seasonality_mode': 'multiplicative'
}
# Predicting
# same as above