Artefacto de modelado matemático: biblioteca de predicción de series de tiempo de Facebook Prophet

Al principio, primero explicaré los antecedentes: estos días he estado ocupado haciendo el concurso de modelado matemático para graduados de la escuela, el tema es la pregunta del Desafío B de modelado matemático de la Universidad MathorCup 2020, los niños interesados ​​pueden ir a ver a Ha, principalmente Investigación sobre la tendencia de desarrollo futuro de las camas del servicio de pensiones nacionales (no hay suficientes datos en el tema en sí, por lo que debe recopilarlos usted mismo, lo cual es desalentador). Originalmente pensé en la predicción gris o en los modelos de series de tiempo ARIMA. Como resultado, descubrí accidentalmente una herramienta de predicción de series de tiempo Prophet de código abierto de Facebook muy poderosa. El funcionamiento es simple, por lo que escribí este blog para resumir el principio, la instalación y el funcionamiento de Prophet. utilizar.

1. El principio del algoritmo Prophet

Prophet es un proceso de pronóstico de datos de series de tiempo basado en modelos adicionales. Prophet se utiliza en muchas aplicaciones de Facebook para generar previsiones fiables de planificación y establecimiento de objetivos. En la mayoría de los casos, su rendimiento es mejor que cualquier otro método. Puede obtener predicciones razonables sobre datos desordenados sin trabajo manual. Prophet es resistente a valores atípicos, datos faltantes y cambios bruscos en series de tiempo. Puede manejar bien los valores atípicos y brinda a los usuarios muchas posibilidades para ajustar y ajustar los pronósticos. Prophet se puede implementar en R y Python. .

El principio específico se puede ver en el documento publicado por Facebook, que se puede obtener de forma gratuita en github, titulado "Forecasting at Scale", dirección de entrega:

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

---

2. Instalación de la biblioteca fbprophet (para python)

Prophet actualmente se puede llamar a través de Python y R. Aquí solo presentamos cómo instalarlo y usarlo en Python (de hecho, los bloggers no son muy buenos en el uso de R). Instalaremos la biblioteca fbprophet en el entorno virtual de Anaconda en Win10. La instalación y uso de Anaconda se resumirá específicamente en el siguiente blog, si está interesado, haga clic y preste atención.

(1) Abra el entorno virtual creado

activate ML（虚拟环境名）

(2) Instalar PyStan

conda install pystan

(2) Instale la biblioteca fbprophet

conda install -c conda-forge fbprophet

(3) Instalar plotly

conda install plotly -y 

(4) Importar biblioteca fbprophet

from fbprophet import Prophet

Nota: ¡Recuerde no instalar directamente usando pip!

---

Tres, el uso de la biblioteca Prophet

from fbprophet import Prophet  # 导入Prophet

# 数据预处理
train_data = dataset[['年份', '60岁以上人口数(万人)']]
train_data.columns = ['ds', 'y'] 

# 模型建立和训练，interval_width参数表示置信度
model = Prophet(interval_width=0.95)
model.fit(train_data)

# 数据预测，periods表示预测点数，freq表示预测频率
future = model.make_future_dataframe(periods=3,freq='YS') # 预测未来
forecast = model.predict(future)

model.plot(forecast) # 绘制图形