开发 | Facebook的数据预测工具Prophet有何优势?用贝叶斯推理一探究竟

AI科技评论按:2月23日,Facebook开源了一款基于 Python 和 R 语言的数据预测工具——“Prophet”(。本文则详细介绍了Prophet的贝叶斯推理实践,具体展示了研究人员把两个数据集用在Prophet上的运行效果。

如今,市面上已经许多Python 和 R 语言可适用的时间序列预测模型了,那么Facehook的Prophet在这一领域又有什么优势呢?

Prophet在进行预测,其后端系统是一个概率程序语言Stan,这代表Prophet能发挥出很多贝叶斯算法的优势,比如说:

  • 使模型具有简单、易解释的周期性结构;
  • 预测结果包括才完全后验分布中导出的置信区间,即Prophet提供的是一个数据驱动的风险估计。

在下面研究中,研究者让Prophet对两组数据进行预测,在后端使用概率程序语言,读者可以借此看到使用Stan的一些工作细节。

Prophet使用了一种通用时间序列模型,这种模型可适用于Facebook上的数据,并且具有分段走向(piecewise trends)、多周期及弹性假期(floating holiday)三种特性。

Prophet的把时间序列预测问题转变成了一个曲线拟合练习(exercise)。在这个曲线中,因变量是增长、周期和holiday的总体表现。

  • 增长(growth) 这一部分采用一个随时间变化的逻辑增长模型,属于非线性增长,所以,要用简单的分段常数函数来模拟线性增长。 用比率调整向量模拟分段点,每个分段点都对应一个具体的时间点。用拉普拉斯分布(Laplace distribution)模拟比率调整变量,位置参数(location parameter)设定为0。
  • Prophet 模型周期(periodic seasonality) 采用标准傅里叶级数。年、周的周期性(seasonality)近似值分别为20和6,周期性成分(seasonal component)在正常情况下是平滑状态。
  • 假期(Holiday) 用一个指标函数来模拟。

使用者可以调节扩散参数(spread parameter),以模拟未来会有多少历史季节性变化(historical seasonal variation)。

Prophet的使用

用户在用Prophet时,不需要了解Stan代码,仅仅使用大家熟知的Python 或 R编程语言即可。

下面,研究者让它在一个周期性极强的数据集上运行(运行过程如下图所示)。

该数据集为摩纳哥夏威夷火山上测量的大气二氧化碳含量。

设置好程序后,只用了几秒钟,模型就给出了下图所示的预测结果:

Prophet很容易就探测到该数据以年为周期,并且长期增长的趋势。在这里要提一下,Prophet自带数据驱动的置信区间,这是概率编程系统的一个重要优点。

另外,Prophet也为时间序列的组成部分(例如一周中某天、或一年中的某天)提供了简单、易解释的预测结果,如下图所示:

这里要注意的是,以周为单位的预测数据要比其他两个的数据小得多,而且噪点也更大。知道这一点非常有意义:这表明,在全球范围内,大气中化学物质的含量并不是以周为周期变化的;另外,年数据也显示出北半球植被对二氧化碳含量的影响:夏天过后含量降低,冬天过后含量升高。

出生数据

下面,研究人员让Prophet对一组更具挑战性的数据集(美国年出生人数)进行预测。

该数据集用高斯过程(雷锋网注:也叫正态随机过程)进行分析,它同时具有周期性和“假期效果”。

Prophet能够通过调整转折点平滑参数自动探测到转折点。研究者把转折点平滑参数设为0.1,而不是默认的0.05。这可使预测结果更灵活,更少平滑,但也更容易显示噪点。

Prophet用了大概1分钟来理解这些数据集下图中的黑点),然后给出了预测结果(下图中的蓝线)。

Prophet预测出,出生率会在每年的八月到十月有所提高。

从下图中能看出,新年期间出生人数较少,而情人节期间则偏高。Prophet通过定义指示变量系列(indicator variable series),把这种一年某些天数据猛然增高的现象自动看做“holidays”,这个指示变量系列能说明(或预测)该点的数据是不是(或是否将是)一个假期。

总结

以上概率程序报告中展示了Prophet在贝叶斯算法中的实践效果,结果发现:

  • 开发者和数据员们能通过概率编程语言(例如Stan和pymc3),更容易地量化所有结果的概率值,而不仅仅是选出最有可能性的那一个;
  • 在做预测时,它能为通用时间序列模拟合适的函数。但在模拟函数时,为了达到Prophet用户想要的效果,可能会牺牲一些灵活性;
  • Prophet使研究人员能更简单、快捷地运行Stan,省掉了使用Python和R的复杂;
  • Prophet的鲁棒性良好,作为一个概率程序产品,用户很容易就能上手。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-04-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

干货:必读机器学习书籍一览表

【导读】转眼之间春节假期已所剩无几,大家是否也开始制定新一年的学习计划?本文就为大家推荐一个机器学习书单,其中大多数可以免费观看,并附上pdf链接。书单内容包括...

33611
来自专栏互联网数据官iCDO

可视化图表入门教程

数据可视化,即通过图表形式展现数据,帮助我们快速、准确理解信息。好的可视化会“讲故事”,能向我们揭示数据背后的规律。

1172
来自专栏新智元

DeepMind成员、谷歌资深员工:神经网络序列学习突破及发展(附报告下载)

【新智元导读】谷歌CEO在给投资人的信中写道谷歌搜索将更具有情景意识,其关键技术自然是深度学习。本文中,谷歌资深员工、DeepMind 成员 Oriol Vin...

3617
来自专栏人工智能头条

写给大家看的机器学习书【Part4】—— 机器学习为什么是可行的(上)

1693
来自专栏人工智能头条

机器翻译重大突破:中英翻译已达人类水平

2071
来自专栏量子位

深度学习进化编年大事记

安妮 编译自 Import.io官方博客 量子位出品 | 公众号 QbitAI 本文作者Andrew Fogg,可视化网页抓取网站Import.io的联合创始人...

3577
来自专栏AI科技评论

ICML论文|阿尔法狗CTO讲座: AI如何用新型强化学习玩转围棋扑克游戏

6月19日(美国时间)在纽约举行的国际机器学习大会(ICML)上,来自谷歌、Facebook以及顶尖研究学府的科学家们通过论文和讲座,分享了最尖端的机器学习研究...

2776
来自专栏人工智能头条

CVPR 2018 上10篇最酷论文,圈儿里最Cool的人都在看

1442
来自专栏PPV课数据科学社区

正态分布为什么常见?

统计学里面,正态分布(normal distribution)最常见。男女身高、寿命、血压、考试成绩、测量误差等等,都属于正态分布。 >>>> ? 以前,我认...

2495
来自专栏ACM算法日常

第七篇:《机器学习之神经网络(二)》

我们之前学的,无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时,计算的负荷会非常大。

971

扫码关注云+社区