Facebook Prophet 模型

Prophet模型概述

Facebook Prophet是由Facebook开源的一个时间序列预测算法，旨在通过分解时间序列并利用机器学习技术进行拟合，从而预测未来的趋势、季节性和节假日效应。该模型特别适用于具有明显内在规律的商业行为数据，能够处理多种人类规模级别的季节性趋势和不定期的节假日事件。

Prophet模型的基本原理

Prophet模型的核心在于其分解时间序列的方法，主要包括以下四个部分：
趋势项：表示时间序列在非周期上面的变化趋势。
季节项：代表周期性变化，如每周或每年的某些天。
节假日效应：考虑特定日期（如节假日）对预测值的影响。
误差项：捕捉模型未能解释的其他波动。
这些组成部分通过拟合得到的时间序列预测值，最终累加得出预测结果。

代码

import pandas as pd
from prophet import Prophet
import matplotlib.pyplot as plt

# 创建一个示例数据集
data = {
    'ds': pd.date_range(start='2023-01-01', periods=100, freq='D'),
    'y': [i + (i % 7) * 10 + (i % 30) * 5 for i in range(100)]
}

df = pd.DataFrame(data)

# 初始化 Prophet 模型
model = Prophet()

# 拟合模型
model.fit(df)

# 创建一个未来的时间框架，预测未来30天
future = model.make_future_dataframe(periods=30)

# 进行预测
forecast = model.predict(future)

# 打印预测结果
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())

# 绘制预测结果
fig = model.plot(forecast)
plt.title('Prophet Forecast')
plt.xlabel('Date')
plt.ylabel('Value')
plt.show()

# 绘制成分分析图
fig2 = model.plot_components(forecast)
plt.show()

运行结果