Facebook时间序列预测模型fbprophet安装二fbprophet的安装和验证

序列预测模型fbprophet安装二fbprophet的安装和验证"/>

Facebook时间序列预测模型fbprophet安装二fbprophet的安装和验证

fbprophet的安装和验证

简介

fbprophet是有Facebook推出的一款时间序列预测模型，是一种基于附加模型预测时间序列数据的过程，其中非线性趋势与每年，每周和每天的季节性以及假期影响相吻合。它最适合具有强烈季节性影响和多个季节历史数据的时间序列。先知对于丢失数据和趋势变化具有较强的鲁棒性，并且通常能够很好地处理异常值。

官网数据应用展示

首先进行pystan的安装

具体参见博客。

fbprophet下载

GitHub地址：

所需数据下载

安装fbprophet

打开win+R，输入cmd打开win系统命令窗口。
安装fbprophet

conda install fbprophet -c conda-forge

fbprophet验证

导入外部块

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

读取文件

df = pd.read_csv('example_wp_log_peyton_manning.csv')
df_ = df[:-300] #保留300个数据进行验证

模型加载和训练

m = Prophet()
m.fit(df_)

预测数据个数

future = m.make_future_dataframe(periods=300)

数据预测

forecast = m.predict(future)

结果展示

x1 = forecast['ds']
y0 = df['y']
y1 = forecast['yhat']
y2 = forecast['yhat_lower']
y3 = forecast['yhat_upper']
pre = forecast['yhat']
plt.figure(figsize = (18,8))
plt.plot(x1[:-300],y0[:-300],label = 'original_data')
plt.plot(x1[-300:],y0[-300:],label = 'compared_data')
plt.plot(x1[-300:],pre[-300:],label = 'predict_data')
plt.legend()
plt.show()

参考

【1】Facebook时间序列预测模型fbprophet安装一Pystan安装教程