prophet的简介

Prophet是Facebook核心数据科学团队发布的开源软件。Prophet是一个用R和Python实现的预测模块。它速度很快，并提供完全自动化的预测，可以由数据科学家和分析师手动调整。由Facebook开发的时间序列预测框架，能够自动检测趋势、季节性和假日效应，并提供不同级别的灵活性。专门用于时序分析、预测的模型，具有很好的可解释性、鲁棒性以及良好的扩展性。
Prophet是一种基于加法模型的预测时间序列数据的程序，其中非线性趋势与年度、每周和每日的季节性以及假日影响相吻合。它最适合具有强烈季节效应的时间序列和几个季节的历史数据。Prophet对于缺失的数据和趋势的变化非常稳健，并且通常能很好地处理异常值。
Prophet是一种基于加性模型的非线性回归模型，它将时间序列分解成趋势、季节性和假日效应三个部分，并分别使用可解释的函数来建模这些部分。这样可以使模型更容易理解和解释，也可以更好地捕捉时间序列的特征。

相关论文：Forecasting at scale [PeerJ Preprints]

官网API：Quick Start | Prophet

1、四大特点

准确快速：Prophet在Facebook上的许多应用程序中使用，为计划和目标设定提供可靠的预测。我们发现，在大多数情况下，它比任何其他方法都要好。我们在Stan中安装模型，这样你就可以在几秒钟内得到预测。
全自动化：无需手动操作即可对杂乱数据进行合理预测。Prophet 对异常值、缺失数据和时间序列中的显着变化具有鲁棒性。
可调的预测：Prophet 程序包括许多用户调整和调整预测的可能性。您可以使用人类可解释的参数，通过添加您的领域知识来改进您的预测。
R或Python中可用：已经在R和Python中实现了Prophet过程，但是为了拟合，它们共享相同的底层Stan代码。可以使用任何你熟悉的语言来进行预测。

prophet的安装

pip install prophet
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple prophet

prophet的使用方法

1、基础案例

import pandas as pd
from prophet import Prophetdf = pd.read_csv('https://raw.githubusercontent.com/facebook/prophet/main/examples/example_wp_log_peyton_manning.csv')
df.head()m = Prophet()
m.fit(df)future = m.make_future_dataframe(periods=365)
future.tail()forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()fig1 = m.plot(forecast)
fig2 = m.plot_components(forecast)from prophet.plot import plot_plotly, plot_components_plotly
plot_plotly(m, forecast)
plot_components_plotly(m, forecast)

2、进阶案例

ML之prophet：利用prophet算法对维基百科页面的日志每日页面浏览量实现回归预测(时间序列的趋势/周季节性趋势/年季节性趋势)案例

https://yunyaniu.blog.csdn.net/article/details/129676167

ML之prophet：利用prophet算法对上海最高气温实现回归预测(时间序列的趋势/周季节性趋势/年季节性趋势)案例

https://yunyaniu.blog.csdn.net/article/details/129670964

ML之prophet：prophet的简介、安装、使用方法之详细攻略相关推荐

ML之sklearn：sklearn.linear_mode中的LogisticRegression函数的简介、使用方法之详细攻略
ML之sklearn:sklearn.linear_mode中的LogisticRegression函数的简介.使用方法之详细攻略目录 sklearn.linear_mode中的LogisticRe ...
ML之API：国内外各大人工智能平台(百度云/华为云/阿里云/Face++等)及其API的简介、使用方法之详细攻略
ML之API:国内外各大人工智能平台(百度云/华为云/阿里云/Face++等)及其API的简介.使用方法之详细攻略目录一.百度云api 1.api之CV 二.旷视科技(face++)api 1.a ...
sklearn之XGBModel：XGBModel之feature_importances_、plot_importance的简介、使用方法之详细攻略
sklearn之XGBModel:XGBModel之feature_importances_.plot_importance的简介.使用方法之详细攻略目录 feature_importances_ ...
Python语言学习：Python常用自带库(imageio、pickle)简介、使用方法之详细攻略
Python语言学习:Python常用自带库(imageio.pickle)简介.使用方法之详细攻略目录 imageio简介及其常见使用方法 pickle简介及其常见使用方法简介使用方法简介及 ...
sklearn：sklearn.preprocessing.StandardScaler函数的fit_transform、transform、inverse_transform简介、使用方法之详细攻略
sklearn:sklearn.preprocessing.StandardScaler函数的fit_transform.transform.inverse_transform简介.使用方法之详细攻略 ...
Computer：互联网开放平台项目知识补充之开发-运维-网络-网关等术语(DMZ、负载均衡、F5、Nginx、容器)的简介、使用方法之详细攻略
Computer:互联网开放平台项目知识补充之开发-运维-网络-网关等术语(DMZ.负载均衡.F5.Nginx.容器)的简介.使用方法之详细攻略目录 DMZ(隔离区)的简介及其使用方法 1.DMZ区 ...
Python编程语言学习：包导入和模块搜索路径简介、使用方法之详细攻略
Python编程语言学习:包导入和模块搜索路径简介.使用方法之详细攻略目录包导入和模块搜索路径简介 1.Pyhon搜索模块路径的机制 2.自定义配置搜索路径
Python之 sklearn：sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略
Python之 sklearn:sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略目录 sklearn.preprocessing中的Stand ...
Py之matplotlib.pyplot：matplotlib.pyplot的plt.legend函数的简介、使用方法之详细攻略
Py之matplotlib.pyplot:matplotlib.pyplot的plt.legend函数的简介.使用方法之详细攻略目录 matplotlib.pyplot的plt.legend函数的简 ...
Python之 sklearn：sklearn中的train_test_split函数的简介及使用方法之详细攻略
Python之 sklearn:sklearn中的train_test_split函数的简介及使用方法之详细攻略目录 sklearn中的train_test_split函数的简介 train_tes ...

ML之prophet：prophet的简介、安装、使用方法之详细攻略