facebook prophet的探索（python语言）

fbprophet的探索历程

facebook开源了时间序列预测框架prophet，目前支持R语言和python语言。托管在github上：https://github.com/facebookincubator/prophet。本文将使用python对该框架的使用。

开发环境的搭建：

在Linux环境下，搭建会简单些，fbpropeht依赖pystan,numpy,pandas，所以首先要安装这个三个库：（当然，需要先安装python环境，Linux一般自带，如果没有，可以自行搜索下安装方法）

pip 的安装：

sudo apt-get install python-pip

依赖库的安装：

sudo pip install pystan
sudo pip install numpy
sudo pip install pandas

fbprophet的安装：

pip install fbprophet

等待安装完成之后，可以测试一下：进入python，导入fbprophet库，看是否能成功导入，如下，便安装成功了。

loaderbox@loaderbox-desktop:~$ python
Python 2.7.12 (default, Nov 19 2016, 06:48:10) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> from fbprophet import Prophet
>>> 

如果要在windows下搭建fbprophet开发环境的话，那么python的版本需要 3.5或以上，安装方法的类似于在Linux环境的。

环境搭建成功之后就能直接使用fbprophet了。github上面的quick start 介绍了fbprophet的基本使用：https://facebookincubator.github.io/prophet/docs/quick_start.html

其中使用到的样本也在github上，所以大家最好先git下来：

git clone https://github.com/facebookincubator/prophet.git

git下来的目录如下图，样本在examples目录下（样本格式为.csv），实现预测要用到的文件forecaster.py（在python/fbprophet目录下）：

                

那么，现在就使用fbprophet来实现预测。（以时间：天为粒度，目前，fbprophet支持的最小粒度为：天（截止我写这篇博客时，是不支持小时的），如果想去预测以小时为粒度的数据，需要对源码作出一些修改，会在下一篇博客上说明）

第一步，读取数据：（先要导入pandas、numpy和Prophet）

import pandas as pd
import numpy as np
from fbprophet import Prophet
from matplotlib import pyplot as plt

file_path= '/home/loaderbox/ecr/prophet/examples/example_wp_peyton_manning.csv'
df = pd.read_csv(file_path)

使用pandas的read_csv（）方法读取数据，返回的结果df是一个DataFrame格式的对象，打印df可以看到类似于以下数据格式（ ds和 y是必须的，不能改变）：

              ds      y
0     2007-12-10  14629
1     2007-12-11   5012
2     2007-12-12   3582
3     2007-12-13   3205
4     2007-12-14   2680
5     2007-12-15   2401
6     2007-12-16   4510
7     2007-12-17   6831
8     2007-12-18   4370
9     2007-12-19   3196
10    2007-12-20   2642

第二步：创建一个Prophet对象

prophet = Prophet()

传入参数说明：（打开forecaster.py文件，查看它的__init__方法）

def __init__(
            self,
            growth='linear',
            changepoints=None,
            n_changepoints=25,
            yearly_seasonality=True,
            weekly_seasonality=True,
            daily_seasonality=True,
            holidays=None,
            seasonality_prior_scale=10.0,
            holidays_prior_scale=10.0,
            changepoint_prior_scale=0.05,
            mcmc_samples=0,
            interval_width=0.80,
            uncertainty_samples=1000,
    ):

growth = 'linear'：fbporphet有两种模式，线性增长模式和逻辑增长模式（growth='logistic'）

changepoints:指定潜在改变点，如果不指定，将会自动选择潜在改变点例如：

changepoints=['2014-01-01']

指定2014-01-01这一天是潜在的changepoints

n_changepoints:默认值为25，表示changepoints的数量大小，如果changepoints指定，该传入参数将不会被使用。如果changepoints不指定，将会从输入的历史数据前80%中选取25个（个数由n_changepoints传入参数决定）潜在改变点。

yearly_seasonality:指定是否分析数据的年季节性，如果为True,最后会输出，yearly_trend,yearly_upper,yearly_lower等数据。

weekly_seasonality:指定是否分析数据的周季节性，如果为True，最后会输出，weekly_trend,weekly_upper,weekly_lower等数据。

daily_seasonality:这是是我自定义的参数，前面有说到，目前fbprophet不支持以小时为粒度的数据，所以，我在这里添加了这个参数，会在下篇博客上说明

holidays:传入pd.dataframe格式的数据。这个数据包含有holiday列 (string)和ds(date类型）和可选列lower_window和upper_window来指定该日期的lower_window或者upper_window范围内都被列为假期。lower_window=-2将包括前2天的日期作为假期，例如：（这个是官方的quick start中的季后赛和超级杯两个假期的指定）

# Python
playoffs = pd.DataFrame({
  'holiday': 'playoff',
  'ds': pd.to_datetime(['2008-01-13', '2009-01-03', '2010-01-16',
                        '2010-01-24', '2010-02-07', '2011-01-08',
                        '2013-01-12', '2014-01-12', '2014-01-19',
                        '2014-02-02', '2015-01-11', '2016-01-17',
                        '2016-01-24', '2016-02-07']),
  'lower_window': 0,
  'upper_window': 1,
})
superbowls = pd.DataFrame({
  'holiday': 'superbowl',
  'ds': pd.to_datetime(['2010-02-07', '2014-02-02', '2016-02-07']),
  'lower_window': 0,
  'upper_window': 1,
})
holidays = pd.concat((playoffs, superbowls))

这里再引用下官方的一段话进行补充说明：

You can also include columns lower_window and upper_window which extend the holiday out to [lower_window, upper_window] days around the date. For instance, if you wanted to included Christmas Eve in addition to Christmas you’d include lower_window=-1,upper_window=0. If you wanted to use Black Friday in addition to Thanksgiving, you’d include lower_window=0,upper_window=1.

seasonality_prior_scale：季节性模型的调节强度，较大的值允许模型以适应更大的季节性波动，较小的值抑制季节性。

holidays_prior_scale:假期组件模型的调节强度。

changepoints_prior_scale:自动的潜在改变点的灵活性调节参数，较大值将允许更多的潜在改变点，较小值将允许更少的潜在改变点。

mcmc_samples:整数，若大于0，将做mcmc样本的全贝叶斯推理，如果为0，将做最大后验估计。
指定贝叶斯抽样，例如mcmc_samples=20，

Iteration:  1 / 20 [  5%]  (Warmup) (Chain 0)
Iteration:  2 / 20 [ 10%]  (Warmup) (Chain 0)
Iteration:  4 / 20 [ 20%]  (Warmup) (Chain 0)
Iteration:  6 / 20 [ 30%]  (Warmup) (Chain 0)
Iteration:  8 / 20 [ 40%]  (Warmup) (Chain 0)
Iteration: 10 / 20 [ 50%]  (Warmup) (Chain 0)
Iteration: 11 / 20 [ 55%]  (Sampling) (Chain 0)
Iteration: 12 / 20 [ 60%]  (Sampling) (Chain 0)
Iteration: 14 / 20 [ 70%]  (Sampling) (Chain 0)
Iteration: 16 / 20 [ 80%]  (Sampling) (Chain 0)
Iteration: 18 / 20 [ 90%]  (Sampling) (Chain 0)
Iteration: 20 / 20 [100%]  (Sampling) (Chain 0)

预测时会打印出这些。

interval_width:浮点数，给预测提供不确定性区间宽度，如果mcmc_samples=0,这将是预测的唯一不确定性，如果mcmc_samples>0，这将会被集成在所有的模型参数中，其中包括季节性不确定性

uncertainty_samples:模拟绘制数，用于估计不确定的时间间隔

第三步，填充数据并准备预测的数据框架：

df['y'] = np.log(df['y'])
prophet.fit(df)
future = prophet.make_future_dataframe(freq='D',periods=periods)

先求对数（以e为底）.

fit（df）填充数据.

make_future_dataframe（）准备预测的数据框架，该函数的定义如下：

    def make_future_dataframe(self, periods, freq='D', include_history=True):
        last_date = self.history['ds'].max()
        dates = pd.date_range(
            start=last_date,
            periods=periods + 1,  # closed='right' removes a period
            freq=freq,
            closed='right')  # omits the start date

        if include_history:
            dates = np.concatenate((np.array(self.history['ds']), dates))

        return pd.DataFrame({'ds': dates})

periods:指定要预测的时长，要根据freq这个参数去设置。假如freq='D'，那么粒度为天，periods则指定要预测未来多少天的数据。如果freq='H‘,则periods指定要预测未来多少小时的数据（当然，要在框架支持粒度为小时的前提下才能运用）。

include_history：是否包含历史数据，保持默认就好。

第四步，预测：

forecasts = prophet.predict(future)

预测好的数据是返回给forescasts,如果上一步的include_history传入为False，那么这次的返回将不会包括里历史数据。只包含预测出来的数据。

可以将预测结果显示出来：

forecasts的keys如下：

['ds', 't', 'trend', 'seasonal_lower', 'seasonal_upper',
       'trend_lower', 'trend_upper', 'yhat_lower', 'yhat_upper', 'daily',
       'daily_lower', 'daily_upper', 'weekly', 'weekly_lower',
       'weekly_upper', 'yearly', 'yearly_lower', 'yearly_upper',
       'seasonal', 'yhat']

画图：

prophet.plot(forecasts).show()
prophet.plot_components(forecasts).show()

说明：图中浅蓝色表示yhat_upper和yhat_lower，受到interval_width这个参数的影响，当然，从forecasts的keys中可以看到，还有其他的_upper和_lower,同样也会受到这个参数的影响。

基本上，到此就是fbprophet的使用了，对于那些__init__函数中传入的参数对预测结果的影响，如果有兴趣，可以去阅读下源码，琢磨一下这些参数的含义。

上面的内容也是我自己摸索出来，会存在一些错误，请大家在评论中指出，互相学习。

下篇博客将会介绍如何添加以小时为粒度的支持：修改fbprophet源码以支持以小时为粒度的预测