1.使用Prophet预言家进行时间序列预测

使用Prophet预言家进行时间序列预测

       prophet是日期日期年由Facebook开源的一个高效时间序列预测工具。

       其名源于英文单词“prophet”，预测源码预测源码意为先知或预言家，日期日期暗示其预测未来的预测源码预测源码能力。

       Prophet采用简洁的日期日期单层回归模型，非常适合用于预测具有明确季节性周期性的预测源码预测源码c 开源 问答系统源码时间序列，同时具有出色的日期日期解释性。

       接下来，预测源码预测源码我们将简要介绍Prophet的日期日期算法原理，并利用一个开源的预测源码预测源码能源消耗时间序列数据预测案例，展示Prophet的日期日期使用方法和其强大功能。

       notebook源码位置：

       预测效果展示：

       〇，预测源码预测源码Prophet原理概述

       1，日期日期prophet的预测源码预测源码优点：

       1， 拟合能力强。日期日期能够拟合时间序列数据中的趋势、周期以及节假日和特殊事件的dht磁力搜索源码影响，并能提供置信区间作为预测结果。

       2，对噪声鲁棒。引入了changepoints的概念，参数量远小于深度学习模型如LSTM，不易过拟合，收敛速度较快。

       3，健康咨询系统源码模型解释性好。提供了强大的可视化分析工具，便于分析趋势、周期、节假日/特殊事件等因素的贡献。

       2，prophet的缺点：

       1，不适用协变多维序列。netty in action 源码Prophet只能对单个时间序列建模，不能同时建模多个协变序列（如沪深支股票走势）。

       2，无法进行自动化复杂特征抽取。受模型假设空间限制，它无法对输入特征进行交叉组合变换等自动化抽取操作。

       3，prophet的android日程提醒源码原理：

       Prophet是一个加法模型，将时间序列分解为趋势项、周期项、节假日项/特殊事件影响以及残差项的组合。

       注：根据需求，周期项和节假日项/特殊事件影响也可设置为乘数而非加数

       1，其中趋势项被拟合成分段线性函数（默认）或分段logistic函数（适用于存在上下限的情况，如虫口模型、病毒传播等）。

       2，周期项使用有限阶（通常为3到8阶）的傅里叶级数进行拟合，有效减少参数量，避免对噪声数据过拟合。

       3，节假日项/特殊事件项可以作为点特征或区间特征引入，支持自定义不同类型的节假日或事件，还可通过add_regressor引入其他已知序列作为特征，具有很高的灵活性。

       一，准备数据

       我们使用的数据集是美国能源消耗数据集，包含了美国一家能源公司数十年的能源消耗小时级数据。

       1，读取数据

       2，数据EDA

       我们设计了一些时间日期特征来观察数据的趋势。

       3，数据分割

       二，定义模型

       三，训练模型

       四，使用模型

       五，评估模型

       六，保存模型