Prophet:一种大规模时间序列预测模型

Prophet是Facebook开发的大规模时间序列预测模型,尤其适用于具有季节性特征的数据。模型由趋势项、季节项和假期项组成,与ARIMA模型相比,Prophet更灵活、鲁棒,且参数可解释性强,适合处理异常值和缺失数据。本文深入探讨了Prophet的模型原理和与ARIMA的对比。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

0. 前言

Prophet是由facebook开发的开源时间序列预测程序,擅长处理具有季节性特征大规模商业时间序列数据。本文主要介绍了Prophet模型的设计原理,并与经典的时间序列模型ARIMA进行了对比。

1. Prophet模型原理

Prophet模型把一个时间序列看做由3种主要成分组成:趋势项、季节项、假期项。

 

其中趋势项g(t)模拟了时间序列的非周期变化,季节项s(t)模拟了时间序列的周期性变化,假期项h(t)模拟了假期或者其他突发事件的影响,Ɛt为误差项。 

1.1 趋势项

趋势项主要说明了数据的变化趋势,Prophet算法中主要运用了两种趋势项模型,饱和式增长模型与分段线性模型。

1.1.1 饱和式增长模型

最基本的饱和式增长模型表示为:

其中,C代表承载能力,k代表增长率,m代表偏移量。该模型并不能完全反应数据特性,要对其进行改造。 

首先,模型的承载能力不一定为常数,比如说访问互联网的人口是随时间提高的。因此C可以替换为C(t)。同样的,成长率也不一定为常数,Prophet算法通过设置变点来拟合模型,假设在时间sj,j=1,2,3,...,S设置变点,斜率变化通过δ ϵ S

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值