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
更多推荐
Facebook时间序列预测模型fbprophet安装二fbprophet的安装和验证
发布评论