时间序列预测实战(十八)利用Prophet实现长期预测（附代码+数据集+详细讲解）

原创

已于 2023-11-24 15:02:29 修改 · 7.7k 阅读

139 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #人工智能 #时间序列预测 #python #算法 #数据分析

于 2023-11-20 00:13:25 首次发布

一、本文介绍

Prophet是一个用于时间序列预测的经单模型。这个工具特别适合于具有强季节性影响和多个历史数据季节的业务时间序列数据。Prophet的主要思想是将数据分解为如下三个部分：趋势、季节性、节假日和特殊事件。这个模型非常适合于处理具有强烈季节性和趋势变化的业务时间序列数据(这里为什么适合的是业务数据呢是因为它考虑了节假日等特殊事件，同时其面对数据中的缺失值和异常值时也能保持其性能)。Prophet通过这种方式，可以有效地预测未来的趋势和模式。需要注意的是Prophet是一种介于机器学习和传统的时间序列预测方法中间的一种方法，其中分解趋势、季节性这种属于是传统的方法，但是其又可以自动拟合属于机器学习的方法。

回顾内容：时间序列专栏->包含上百种时间序列预测模型以及基础讲解适合各种人群

预测类型：长期预测、单元预测。

预测效果图如下(未知数据)->

二、Prophet介绍

2.1 Prophet的主要思想

Prophet的主要思想是：提供一个灵活且易于使用的工具，用于处理各种业务时间序列数据的预测。它基于一个加性模型，其中非线性趋势与年度、周度和日度季节性模式结合，还可以包括节假日效应。这个模型包括几个主要部分：

趋势模型：它捕捉数据的长期趋势，可以处理趋势的变化，如趋势中的拐点。

季节性模型：识别并拟合数据的季节性模式，如一周内或一年内的周期性变化。

节假日组件：用户可以指定影响模型的特定日期或事件，如公共假期或特别活动。

Prophet的目标是将这些复杂的时间序列分析技术变得更加易于理解和使用，即使是对于非专业人士来说。

下图为Prophet处理时间这一特征时其考虑时间的方法

而且岂会将时间处理为不同的维度进行处理如下图所示：分别为年月周日等多个维度。

2.2 Prophet的优缺点

Prophet的优点

Prophet是一个由Facebook开发的开源工具，用于时间序列预测。这个工具特别适合于具有强季节性影响和多个历史数据季节的业务时间序列数据。Prophet的主要有点包括：

1. 易于使用：Prophet旨在为分析师和开发者提供一个简单、直观的接口，使他们能够快速做出高质量的预测。

2. 适应性强：它可以自动检测时间序列数据的变化趋势和季节性模式，甚至在存在缺失数据或历史数据的情况下也能进行有效的预测。

3. 可定制：用户可以调整模型来适应特定的业务需求，比如通过添加节假日效应或者考虑特定的事件。

4. 鲁棒性：它对异常值和缺失数据具有良好的抵抗力，能够生成准确的预测。

总结：Prophet在许多类型的时间序列数据上都表现出色，特别是在处理日常、周末和年度节假日的影响方面具有独特优势。

Prophet的缺点

尽管如此，Prophet也有其局限性，它可能不适用于处理非常不规则或复杂的时间序列数据。此外，Prophet在进行预测时可能需要大量的历史数据来识别模式。