4 代碼實踐

我們使用沃爾瑪股票的歷史數據來進行分析。import pandas as pdfrom fbprophet import Prophetimport matplotlib．pyplot as plt

wmt ＝ pd．read＿csv（＇data／WMT．csv＇， usecols＝［0， 5］）

＃ 看一下數據wmt．head（）．append（wmt．tail（））（左右滑動查看全部內容）

＃ 需要修改為制定列名wmt．columns ＝ ［＇ds＇，＇y＇］wmt．head（）

＃ 畫圖wmt．set＿index（［＇ds＇］）．plot（figsize＝（18，7））（左右滑動查看全部內容）

＃ 初始化模型m ＝ Prophet（）

＃ 擬合數據m．fit（wmt）

＃ 準備預測值，我們要預測未來一年future ＝ m．make＿future＿dataframe（periods＝365）future．tail（）（左右滑動查看全部內容）

＃ 預測數據forecast ＝ m．predict（future）＃ 畫出預測圖：m．plot（forecast）

＃ 畫出時間序列的分量m．plot＿components（forecast）

這里做的比較簡單，還有很多參數沒有加。

給出調參經驗：

Capacities：用戶可以通過調整該參數，來適配經驗所得的容納量；

Change points：直接指定變點；

Holidays and seasonality：調整節假日與事件及其影響；

Smoothing parameters：通過調整

來控制模型增長率的全局或者局部平滑；季節性和假日的平滑參數

可以來估計未來的季節性變化。

5 總結

簡單做個總結：Prophet 是 Facebook 開源的自動化預測的時間序列模型，其非常簡單且速度非常快。Prophet 基于線性可加模型，分量包括趨勢、季節性、節假日效應及誤差。其非常適用于具有強烈季節效應的時間序列任務。Prophet 簡單之處還表現于對缺失值和異常點的健壯性，即使是不懂時間序列建模的人員也可以很快上手。

Prophet 有以下優勢：

速度快且性能好：Prophet 已經應用于 Facebook 的許多場景并提供可靠的預測。在大多數情況下，它的效果都比其他方法要好；全自動：Prophet 對于異常值、丟失的數據具有健壯性，可以對雜亂的數據進行合理的預測，無需人工介入；靈活性高：Prophet 程序為用戶提供了許多調整接口，可以通過添加領域知識來改進預測；簡單方便：可以使用 Python 或者 R，非常方便。

但 Prophet 也有以下局限：

無法人為加特征；模型過于簡單，常常處于欠擬合狀態；不適合長期預測。

6 參考資料

［1］ Taylor S J， Letham B． Forecasting at scale［J］． The American Statistician， 2018， 72（1）： 37－45．［2］ Github： Prophet［3］ Intro to Facebook Prophet

關于我“門”

將門是一家以專注于發掘、加速及投資技術驅動型創業公司的新型創投機構，旗下涵蓋將門創新服務、將門技術社群以及將門創投基金。將門成立于2015年底，創始團隊由微軟創投在中國的創始團隊原班人馬構建而成，曾為微軟優選和深度孵化了126家創新的技術型創業公司。

將門創新服務專注于使創新的技術落地于真正的應用場景，激活和實現全新的商業價值，服務于行業領先企業和技術創新型創業公司。

將門技術社群專注于幫助技術創新型的創業公司提供來自產、學、研、創領域的核心技術專家的技術分享和學習內容，使創新成為持續的核心競爭力。

將門創投基金專注于投資通過技術創新激活商業場景，實現商業價值的初創企業，關注技術領域包括機器智能、物聯網、自然人機交互、企業計算。在近四年的時間里，將門創投基金已經投資了包括量化派、碼隆科技、禾賽科技、寬拓科技、杉數科技、迪英加科技等數十家具有高成長潛力的技術型創業公司。