初めに、背景を最初に説明します。最近は、大学院の数学モデリングコンテストで忙しいですが、トピックは2020 MathorCup College数学モデリングチャレンジBの質問です。国民年金サービスのベッドの将来の開発動向に関する調査（トピック自体に十分なデータがないため、自分で収集する必要があり、困難です）。もともと灰色の予測やARIMA時系列モデルを考えていた結果、強力なFacebookオープンソースのProphet時系列予測ツールを誤って見つけてしまいました。操作は簡単なので、このブログを書いて、Prophetの原理、インストール、操作をまとめました。使用する。
1. Prophetアルゴリズムの原理
預言者は、追加のモデルに基づいて時系列データを予測するプロセスです。Prophetは多くのFacebookアプリケーションで使用され、信頼できる計画と目標設定の予測を生成します。ほとんどの場合、そのパフォーマンスは他のどの方法よりも優れています。手作業なしで、乱雑なデータについて妥当な予測を得ることができます。Prophetは、外れ値、欠損データ、時系列の急激な変化に対して堅牢です。外れ値を適切に処理し、予測を調整および調整するための多くの可能性をユーザーに提供します。Prophetは、RおよびPythonで実装できます。 。
具体的な原則については、Facebookが公開しているgithubから無料で入手できる「Forecasting at Scale」というタイトルの配信先アドレスを確認できます。
- https://facebook.github.io/prophet/
- https://github.com/facebook/prophet
2. fbprophetライブラリのインストール（Python用）
現在、預言者はPythonとRを介して呼び出すことができます。ここでは、Pythonにインストールして使用する方法のみを紹介します（実際、ブロガーはRの使用があまり得意ではありません）。Win10の下のAnaconda仮想環境にfbprophetライブラリをインストールします。Anacondaのインストールと使用については、次のブログで具体的に説明します。興味がある場合は、クリックして注意してください。
（1）作成した仮想環境を開く
activate ML（虚拟环境名）（2）PyStanをインストールする
conda install pystan（2）fbprophetライブラリをインストールする
conda install -c conda-forge fbprophet（3）plotlyをインストールする
conda install plotly -y （4）fbprophetライブラリのインポート
from fbprophet import Prophet注：pipを使用して直接インストールしないでください。
3、Prophetライブラリの使用
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