Prophet 是 Facebook 推出的开源大年夜范围猜测对象，可以在 R 和 Python 中应用以猜测时光序列数据。

一、基本介绍

下面实例中应用的是佩顿 · 曼宁的维诽谤科主页每日拜访量的时光序列数据(2007/12/10 – 2016/01/20)。我们应用 R 中的 Wikipediatrend 包获取该数据集。这个数据集具有多季候周期性、赓续变更的增长率和可以拟合特定日期(例如佩顿 · 曼宁的决赛和超等碗)的情况等 Prophet 实用的性质，是以可以作为一个不错的例子。( 注： 佩顿 · 曼宁为前美式橄榄球四分卫)

在 R 中，Prophet 供给了一个 prophet 函数去拟合模型并且返回一个模型对象，可以对这个模型对象履行“猜测”( predict )和“画图”( plot )操作。

应用 prophet_plot_components 函数去展示预估中的趋势、周效应和年度效应。

注： Windows 体系说话设置为中文的话，会导致 R 输出成分分析图时，周效应无法正常显示，可在 R 中应用 Sys.setlocale("LC_ALL","English") 代码精细况改为英文。

二、猜测增长

默认情况下， Prophet 应用线性模型进行猜测。当猜测增长情况时，平日会存在可达到的最大年夜极限值，例如：总市场范围、总人口数等等。这被称做承载才能，那么猜测时就应当在接近该值时趋于饱和。

Prophet 可应用 logistic 增长 趋势模型进行猜测，同时指定承载才能。下面应用 R 说话的维诽谤科主页 拜访量(取对数)的实例来进行解释。

默认情况下， Prophet 将主动监测到突变点，并对趋势做适本地调剂。

下面将会介绍几种应用的办法可以对趋势的调剂过程做更好地控制。

1. 调剂趋势的灵活性

如不雅趋势的变更被过度拟合(即过于灵活)或者拟合不足(即灵活性不敷)，可以应用输入参数 changepoint.prior.scale 来调剂稀少先验的程度。默认下，这个参数被指定为 0.05 。

增长这个值，会导致趋势拟合得加倍灵活。如下代码和图所示：

削减这个值，会导致趋势拟合得灵活性降低。如下代码和图所示：

四、节假日效应

1. 对节假日建模

如不雅须要专门对节假日进行建模，你就必须得为此创建一个新的数据框，个中包含两列(节假日 holiday 和日期戳 ds )，每行分别记录了每个出现的节假日。

下面我们创建一个数据框，个中包含了所有佩顿 · 曼宁参加过的决赛日期：

和之前比拟，节假日效应的范围被减弱了，特别是对不雅测值较少的超等碗而言。类似的，还有一个 seasonality.prior.scale 参数可以用来调剂模型对于季候性的拟合程度。

上述代铝闼楝我们将超等碗的日期既记录鄙人场赛的日期数据框中，也记录在了超等碗的日期数据框中。这就会造成超等碗日期的效应会在决赛日期的感化下叠加两次。

一旦这个数据框创建好了，就可以经由过程传入 holidays 参数使得在猜测时推敲上节假日效应。

可经由过程 forecast 数据框，来展示节假日效应：

在成分分析的图中，如下所示，也可以看到节假日效应。我们可以发明，在决赛日期邻近有一个穿透，而在超等碗日期时穿公则更为明显。

下面将简单介绍 Prophet 在 R 中的应用。

　　推荐阅读

　　深度学习的时间序列模型评价

技巧总言：此次重要说比来成长的无监督特点进修和深刻进修，其对于时光序列模型问题的评价。这些技巧已经展示了欲望对于建模静态数据，如计算机视觉，把它们应用到时光序列数据正在获得越>>>详细阅读

本文标题：在R中使用开源大规模预测工具Prophet

地址：http://www.17bianji.com/lsqh/35074.html

 1/2    1