Weekly存量表
- 格式:doc
- 大小:72.50 KB
- 文档页数:1


手把手教你用Prophet快速进行时间序列预测(附Prophet和R代码)对于任何业务而言,基于时间进行分析都是至关重要的。
库存量应该保持在多少?你希望商店的客流量是多少?多少人会乘坐飞机旅游?类似这样待解决的问题都是重要的时间序列问题。
这就是时间序列预测被看作数据科学家必备技能的原因。
从预测天气到预测产品的销售情况,时间序列是数据科学体系的一部分,并且是成为一个数据科学家必须要补充的技能。
如果你是菜鸟,时间序列为你提供了一个很好的途径去实践项目。
你可以非常轻易地应用时间序列,它会带领你进入更大的机器学习世界。
Prophet是Facebook发布的基于可分解(趋势+季节+节假日)模型的开源库。
它让我们可以用简单直观的参数进行高精度的时间序列预测,并且支持自定义季节和节假日的影响。
本文中,我们将介绍Prophet如何产生快速可靠的预测,并通过Python 进行演示。
最终结果将会让你大吃一惊!本文目录1. Prophet有什么创新点?2. Prophet预测模型•趋势o饱和增长o突变点•季节性•节假日及大事件3. Prophet实战(附Python和R代码)•趋势参数•季节和节假日参数•通过Prophet预测客运量Prophet有什么创新点?当预测模型没有按预期运行时,我们希望针对问题来调整模型的参数。
调整参数需要对时间序列的工作原理有全面的理解。
例如automated ARIMA 首先输入的参数是差分的最大阶数,自回归分量和移动平均分量。
普通分析师不知道如何调整顺序来避免这种表现,这是一种很难掌握积累的专业知识。
Prophet包提供了直观易调的参数,即使是对缺乏模型知识的人来说,也可以据此对各种商业问题做出有意义的预测。
Prophet预测模型时间序列模型可分解为三个主要组成部分:趋势,季节性和节假日。
它们按如下公式组合:•g(t):用于拟合时间序列中的分段线性增长或逻辑增长等非周期变化。
•s(t):周期变化(如:每周/每年的季节性)。