时间序列预测神器Prophet【入门教程2-饱和预测】

原创

皮大大

发布于 2024-09-05 17:08:02

950

发布于 2024-09-05 17:08:02

文章被收录于专栏：时序预测

公众号：尤而小屋编辑：Peter 作者：Peter

大家好，我是Peter~

本文是时间序列预测神器Prophet的第二篇：使用Prophet如何实现饱和预测

饱和预测增长-Saturating Forecasts

默认情况下，Prophet 使用线性模型来进行预测。然而，在预测增长时，通常存在一个可达到的最大点：如总市场规模、总人口规模等。这个点被称为承载能力（carrying capacity），并且预测应该在这个点上达到饱和。

这个时候使用Prophet进行预测时，需要考虑这个上限，可以使用逻辑增长等模型来确保预测值在达到上限后不再增长，而是保持在该水平附近波动。

导入库

import numpy as np
import pandas as pd
import os
import datetime 
import time
import re
np.random.seed(42)   

import plotly_express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import matplotlib.pyplot as plt
%matplotlib inline
# 设置支持中文字体
plt.rcParams['font.sans-serif'] = ['SimHei'] 
# 设置图像标题字体
plt.rcParams['axes.unicode_minus'] = False
import seaborn as sns
sns.set_theme(style="darkgrid")

import statsmodels.api as sm
import statsmodels.formula.api as smf
from statsmodels.tsa.stattools import adfuller
from sklearn.metrics import r2_score,mean_squared_error,mean_squared_log_error

from prophet import Prophet 

import warnings
warnings.filterwarnings('ignore')

读取数据

在本案例中采用维基百科上R语言的日访问量的数据进行建模：

df = pd.read_csv('https://raw.githubusercontent.com/facebook/prophet/main/examples/example_wp_log_R.csv')
df

需要指定特殊的承载力字段cap（必须为cap）：

df["cap"] = 8.5  # 不一定是固定值

fit训练

实例化过程中指定逻辑增长logistic：

m = Prophet(growth='logistic')
m.fit(df)

predict预测

# 1、先指定预测的数据集
future = m.make_future_dataframe(periods=1826)

# 2、预测数据中指定cap值
future["cap"] = 8.5

# 3、实施预测
forecast = m.predict(future)

预测可视化

m.plot(forecast)
plt.show()

饱和预测减少

在逻辑增长模型中，通常关注的是模型如何接近并达到一个上限（即承载能力），但在某些情况下，模型也可能从一个非零的最小值开始增长。这个非零的最小值可以被称为“饱和最小值”（saturating minimum）。

Prophet在处理饱和预测减少的时候，需要指定一个floor字段，就像cap列用于指定最大值一样。

df.head()

指定上下限

# 分别指定cap和floor

df["y"] = 10 - df["y"]  
df["cap"] = 6
df["floor"] = 1.5

future["cap"] = 6
future["floor"] = 1.5

fit&predict

训练和预测过程：

m = Prophet(growth="logistic")  # 增长的模式为逻辑增长
m.fit(df)

实施预测过程：

forecast = m.predict(future)

可视化过程：

m.plot(forecast)
plt.show()

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

腾讯技术创作特训营S9

机器学习

人工智能

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

登录后参与评论

0 条评论

热度