什么是Python Prophet？

大家好，今天為大家分享一個無敵的 Python 庫 - prophet。

Github地址：https://github.com/facebook/prophet 

時間序列分析在許多領(lǐng)域中都是至關(guān)重要的，包括金融、天氣預(yù)測、銷售預(yù)測等。

Python Prophet是一個用于時間序列分析和預(yù)測的開源庫，它由Facebook于2017年開發(fā)并發(fā)布。Prophet的設(shè)計目標(biāo)是使時間序列預(yù)測變得更加簡單和可靠，特別是對于那些沒有專業(yè)時間序列分析經(jīng)驗(yàn)的用戶。

Prophet的主要特點(diǎn)

易用性：Prophet提供了一個簡單且直觀的API，使得用戶能夠快速上手，不需要深入了解時間序列的復(fù)雜理論。

高度可定制性：盡管易于使用，Prophet也允許用戶進(jìn)行高度定制，以滿足不同問題的需求?？梢灾付ㄗ远x的季節(jié)性模式、假期效應(yīng)等。

自動檢測變化點(diǎn)：Prophet能夠自動檢測時間序列中的潛在變化點(diǎn)，這對于處理非穩(wěn)態(tài)時間序列非常有用。

可解釋性：Prophet提供了可視化工具，幫助用戶理解模型的預(yù)測結(jié)果，并對時間序列的趨勢和季節(jié)性變化有更清晰的認(rèn)識。

安裝Python Prophet

要開始使用Python Prophet，需要在Python環(huán)境中安裝它?？梢允褂胮ip包管理器來安裝Prophet。

在終端或命令提示符中運(yùn)行以下命令：

pip install prophet

安裝完成后，就可以在Python代碼中導(dǎo)入Prophet并開始使用它。

from fbprophet import Prophet

基本用法示例

通過一個簡單的時間序列預(yù)測示例來了解Prophet的基本用法。假設(shè)有一些歷史銷售數(shù)據(jù)，希望使用Prophet來預(yù)測未來的銷售情況。

步驟1：準(zhǔn)備數(shù)據(jù)

首先，需要準(zhǔn)備時間序列數(shù)據(jù)。數(shù)據(jù)應(yīng)該包含兩列：'ds'（日期時間戳）和'y'（觀測值）。

下面是一個示例：

         ds     y
0 2021-01-01  100
1 2021-01-02  120
2 2021-01-03  130
3 2021-01-04  150
4 2021-01-05  170

步驟2：創(chuàng)建Prophet模型

接下來，創(chuàng)建一個Prophet模型，并將數(shù)據(jù)加載到模型中。

from fbprophet import Prophet

# 創(chuàng)建Prophet模型
model = Prophet()

# 添加歷史數(shù)據(jù)
model.fit(df)

步驟3：預(yù)測未來

一旦模型訓(xùn)練完成，可以使用它來預(yù)測未來的時間序列值。

# 創(chuàng)建一個包含未來日期的數(shù)據(jù)框
future = model.make_future_dataframe(periods=365)  # 預(yù)測未來365天

# 進(jìn)行預(yù)測
forecast = model.predict(future)

# 查看預(yù)測結(jié)果
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())

上述代碼中，yhat列包含了模型對未來時間點(diǎn)的預(yù)測值，yhat_lower和yhat_upper分別表示預(yù)測值的下限和上限。

步驟4：可視化結(jié)果

最后，可以使用Prophet內(nèi)置的可視化工具來查看預(yù)測結(jié)果。

# 繪制預(yù)測結(jié)果
fig = model.plot(forecast)

進(jìn)階用法示例

Prophet不僅僅局限于基本用法，它還提供了許多進(jìn)階功能，以滿足更復(fù)雜的時間序列分析需求。以下是一些進(jìn)階用法示例：

1. 指定自定義季節(jié)性模式

Prophet默認(rèn)會自動檢測季節(jié)性模式，也可以手動指定自定義季節(jié)性模式，以更好地擬合數(shù)據(jù)。

model.add_seasonality(name='custom_seasonality', period=30, fourier_order=5)

上述代碼中，添加了一個自定義的季節(jié)性模式，周期為30天，并使用五階傅里葉級數(shù)進(jìn)行擬合。

2. 考慮假期效應(yīng)

如果時間序列數(shù)據(jù)受到假期的影響，可以使用Prophet來建模這些假期效應(yīng)。

model.add_country_holidays(country_name='US')

上述代碼中，添加了美國的假期效應(yīng)。

3. 調(diào)整模型參數(shù)

Prophet還可以調(diào)整模型的許多參數(shù)，例如季節(jié)性平滑度、增長趨勢的靈活性等，以優(yōu)化模型的性能。

model = Prophet(seasonality_mode='multiplicative', growth='logistic')

上述代碼中，指定了季節(jié)性模式為乘法型，并使用對數(shù)增長趨勢。

性能對比

為了更好地了解Prophet的性能，進(jìn)行一個性能對比。將使用Prophet來預(yù)測銷售數(shù)據(jù)，并將其與傳統(tǒng)的時間序列方法（如ARIMA）進(jìn)行比較。

# 使用Prophet進(jìn)行預(yù)測
model = Prophet()
model.fit(df)
future = model.make_future_dataframe(periods=365)
forecast = model.predict(future)

# 使用ARIMA進(jìn)行預(yù)測（示例代碼，需要安裝statsmodels庫）
from statsmodels.tsa.arima_model import ARIMA
arima_model = ARIMA(df['y'], order=(5,1,0))
arima_result = arima_model.fit(disp=False)
arima_forecast = arima_result.predict(start=len(df), end=len(df)+365, typ='levels')

# 比較結(jié)果
prophet_mse = ((forecast['yhat'] - df['y']) ** 2).mean()
arima_mse = ((arima_forecast - df['y']) ** 2).mean()

print(f"Prophet MSE: {prophet_mse}")
print(f"ARIMA MSE: {arima_mse}")

上述代碼中，使用Prophet和ARIMA分別對時間序列進(jìn)行預(yù)測，并比較了它們的均方誤差（MSE）。通常情況下，Prophet在時間序列預(yù)測任務(wù)中表現(xiàn)出色。

總結(jié)

Python Prophet是一個功能強(qiáng)大且易于使用的時間序列預(yù)測工具，適用于各種領(lǐng)域的時間序列分析。本文介紹了Prophet的基本用法和進(jìn)階功能，并提供了示例代碼來幫助大家入門。無論是初學(xué)者還是有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家，都可以從Prophet中受益，以更準(zhǔn)確地預(yù)測時間序列數(shù)據(jù)的未來趨勢。希望本文能幫助大家開始使用Python Prophet進(jìn)行時間序列分析和預(yù)測。

以上就是python Prophet時間序列預(yù)測工具庫使用功能探索的詳細(xì)內(nèi)容，更多關(guān)于python Prophet時間序列預(yù)測的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論