我用Facebook开源神器Prophet，预测时间序列基于Python

本期作者：Eric Brown

本期编辑：Allen | 崙

Prophet是Facebook 开源一款基于 Python 和 R 语言的数据预测工具。Facebook 表示，Prophet 相比现有预测工具更加人性化，并且难得地提供 Python 和R的支持。它生成的预测结果足以和专业数据分析师媲美。

另外，Prophet中文翻译过来为：

先知

一看就与众不同，你懂的！

第一部分

安装说明可以在这里找到：

https://facebook.github.io/prophet/

使用Prophet是非常简单的。导入模块，将一些数据加载到Dataframe中，然后将数据设置为正确的格式，就可以开始建模或者预测了。

1、导入模块：

2、加载数据：

注意Dataframe的格式。需要有一个包含datetime字段的'ds'列和一个包含我们想要建模/预测的值的'y'列。

在我们对这些数据进行分析之前，我们需要对y变量进行log变换，尝试将非平稳数据转换为平稳数据。这也将趋势转换为更线性的趋势。这并不是处理时间序列数据的完美方法，但它可以提高工作频率，在你第一次了解代码时不用担心这个问题。

3、开始建立模型：

如果你使用的是月度数据，那么在运行上述命令之后，很可能会看到以下提示：

你可以忽略此提示。

4、开始预测：

使用Prophet，你可以使用以下命令构建一些未来时间数据：

现在我们使用“predict”函数进行预测：

让我们看一下这组数据的图表，以便了解我们的模型是如何工作的。

model.plot(forecast_data)

让我们再来看看/数据/模型/预测的季节性和趋势。

因为我们使用的是月度数据，Prophet会绘制趋势和每年的季节性，但是如果你使用的是日度数据，你会看到一个周的季节性图表。

从趋势和季节性上看，我们可以看到趋势在潜在的时间序列中起了很大的作用，而季节性在年初和年底的时候发挥了更大的作用。

基于以上信息，我们就能够快速地建模和预测一些数据，以便从这些特定的数据集中了解将来可能发生的事情。

我们继续调整这个模型，同时分享一个小技巧让你的预测图显示的原始数据，你可以通过使用np.exp()来获取原始数据：

forecast_data_orig = forecast_data# make sure we save the original forecast data

forecast_data_orig['yhat'] = np.exp(forecast_data_orig['yhat'])

forecast_data_orig['yhat_lower'] = np.exp(forecast_data_orig['yhat_lower'])

forecast_data_orig['yhat_upper'] = np.exp(forecast_data_orig['yhat_upper'])

让我们看看预测值与原始数据：

上面这张图看着怪怪的。我们把原始数据绘制在预测图上，黑点（图表底部）是我们的原始数据。为了让这个整个图表更有参考意义，我们需要把原始的y数据点绘制在这个图表上。为此，只需将sales_df dataframe中的“y_orig”列重命名为“y”即可绘制正确的数据。

对未来6个月销量将在450K到475K之间。

第二部分

使用Prophet内置绘图函数来绘制输出：

首先，我们需要将数据进行适当的组合和索引，以便开始绘图。我们只对来预测数据集的“yhat”、“yhat_lower”和“yhat_upper”列作分析。

你会注意到“y_orig”列中充满了“NaN”。这是因为“未来日期”行没有原始数据。

现在，让我们看一下如何比缺省情况下的Prophet库更好地可视化这些数据。

首先，我们需要在原始的销售数据中得到最后的日期。这将用于分割绘图的数据。

为了绘制预测数据，我们将设置一个函数导入两个额外的库来减去日期（timedelta）：

此函数去查找：

原始数据倒数第二行（https://stackoverflow.com/questions/29370057/select-dataframe-rows-between-two-dates）

然后创建一组新数据（predict_df），只包含“future data”。然后，它根据预测数据创建一个带有置信带的图。

第三部分

在前面两个部分，我们预测了未来24个月的月度销售数据。在此部分中，我们想看看如何使用Prophet库中的‘holiday’结构来更好地预测具体事件。如果我们看到的销售数据，每年的12月份都有一个明显的不同。这种模式可能有多种原因，但我们假设这是由于每年12月的促销活动造成的。

Prophet允许构建一个holiday的Dataframe，并在你的模型中使用这些数据。对于本示例，将以以下方式构建我的Prophet holiday数据：

将lower_window和upper_window的值设置为零，以表明我们不希望Prophet考虑任何其他月份列表。

绘制模型，如下所示：

另外，Prophet的component是十分重要，因为它允许你查看模型的趋势和季节性等等：

具体内容请查看详细Notebook。

代码下载

在后台输入

20181104

后台获取方式介绍