Prophet文档中文翻译--saturating_forecast

本文介绍如何使用Facebook的Prophet库预测具有饱和点的增长趋势,通过实例展示如何设定承载能力和饱和最小值,以更准确地预测市场或人口规模的变化。

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

%matplotlib inline
from fbprophet import Prophet
import pandas as pd
import logging
logging.getLogger('fbprophet').setLevel(logging.ERROR)
import warnings
warnings.filterwarnings("ignore")

预测增长

默认情况下,Prophet使用线性模型进行预测。在预测增长时,通常会有一些最大可实现点:总市场规模,总人口规模等。这称为承载能力,此时预测应该会饱和。

Prophet允许您使用具有指定承载能力的logistic growth趋势模型进行预测。我们用维基百科上R(编程语言)页面的页面访问日志数来说明这一点:

df = pd.read_csv('examples/example_wp_log_R.csv')

我们必须在cap中指定承载能力。这里我们假设一个特定的值,但通常使用有关市场规模的数据或专业知识来设置。

df['cap'] = 8.5

需要注意的重要事项是必须为数据框中的每一行指定cap,并且它不必是常量。如果市场规模在增长,那么上限可能会增加。

然后我们像以前一样拟合模型,除了传递一个额外的参数来指定logistic growth:

m = Prophet(growth='logistic')
m.fit(df)
<fbprophet.forecaster.Prophet at 0x2896348a198>

我们像以前一样为未来预测创建数据框,但我们还必须在未来指定cap。在这里,我们将cap保持在与历史记录相同的值,并预测未来3年:

future = m.make_future_dataframe(periods=1826)
future['cap'] = 8.5
fcst = m.predict(future)
fig = m.plot(fcst)

在这里插入图片描述

logistic函数的隐式最小值为0,并且将以与cap饱和相同的方式饱和。也可以指定不同的饱和最小值。

最小饱和值

logistic growth模型还可以处理饱和最小值,使用与列指定cap相同的方式使用floor指定:

df['y'] = 10 - df['y']
df['cap'] = 6
df['floor'] = 1.5
future['cap'] = 6
future['floor'] = 1.5
m = Prophet(growth='logistic')
m.fit(df)
fcst = m.predict(future)
fig = m.plot(fcst)

在这里插入图片描述

要使用具有饱和最小值(floor)的logistic growth趋势,还必须指定最大容量(cap)。

<think>嗯,用户遇到了Prophet模型保存时出现的AttributeError,提示'save_model'属性不存在。首先,我需要确认Prophet库的版本。因为可能在新旧版本中,保存模型的方法有所不同。旧版的Prophet可能没有save_model方法,或者用户可能混淆了不同库的API,比如scikit-learn的save_model。 我记得Facebook Prophet文档中提到,保存模型应该使用序列化的方法,比如用joblib或pickle。可能用户参考了过时的教程,或者误用了其他库的方法。需要检查Prophet的官方文档确认正确的方法。 另外,用户提供的引用内容中提到了使用concat来合并DataFrame,这可能和模型保存无关,但需要确保用户没有混淆代码片段。应该引导用户使用正确的保存方式,比如使用joblib.dump。同时,要提醒安装必要的库,如joblib,并提供示例代码。 还要考虑跨版本兼容性问题,可能用户使用的Prophet版本较旧,建议升级到最新版。同时,解释为什么save_model不可用,以及替代方法的工作原理。确保回答清晰,分步骤解决,避免用户进一步困惑。</think>### 解决Prophet对象无'save_model'属性问题 #### 问题原因 1. **版本兼容性问题**:`Prophet`库在部分旧版本中未提供`save_model()`方法,此方法可能存在于其他机器学习框架(如`scikit-learn`)的API中[^1]。 2. **API设计差异**:`Prophet`官方推荐使用序列化库(如`pickle`或`joblib`)直接保存模型对象,而非内置方法。 #### 解决方法 ##### 方法1:使用`joblib`保存模型 ```python from prophet import Prophet from joblib import dump model = Prophet() model.fit(df_train) dump(model, 'prophet_model.joblib') # 保存模型文件 ``` ##### 方法2:使用`pickle`保存模型 ```python import pickle with open('prophet_model.pkl', 'wb') as f: pickle.dump(model, f) # 二进制写入模式 ``` ##### 方法3:升级Prophet版本 ```shell pip install prophet --upgrade # 确认当前版本>=1.1 ``` #### 模型加载示例 ```python from joblib import load loaded_model = load('prophet_model.joblib') # 加载后可直接调用.predict() ```
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