पाइथन के साथ एआई सीखें · पाठ

स्वचालित पूर्वानुमान के लिए Prophet

Facebook Prophet, ट्रेंड चेंजपॉइंट, छुट्टियों के प्रभाव, अनिश्चितता अंतराल और क्रॉस-वैलिडेशन।

पाठ 3, कुल 4 में से13 चरण

स्वचालित पूर्वानुमान के लिए Prophet, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

प्रॉफेट क्या है

प्रॉफेट मेटा की एक मुक्त-स्रोत पूर्वानुमान लाइब्रेरी है। यह प्रवृत्ति, मौसमीपन और अवकाश-प्रभावों का स्वचालित रूप से समंजन करती है, अनुपलब्ध डेटा और असामान्य मानों को सहजता से संभालती है और ARIMA की तुलना में बहुत कम समायोजन मांगती है, इसलिए व्यावसायिक पूर्वानुमानों के लिए उपयोगी है।

स्थापना और आयात

स्थापित करने के बाद प्रॉफेट को एक ही आयात से उपयोग किया जा सकता है।

# pip install prophet
from prophet import Prophet
import pandas as pd

आवश्यक DataFrame प्रारूप

प्रॉफेट को ठीक दो स्तंभ चाहिए: ds (दिनांक-समय) और y (जिस मान का पूर्वानुमान लगाना है)। अपने स्तंभों के नाम इन नामों में बदलना अनिवार्य है।

df = df.rename(columns={"date": "ds", "sales": "y"})
df["ds"] = pd.to_datetime(df["ds"])
print(df.head())

मॉडल बनाना

प्रॉफेट का उदाहरण बनाएँ और आवश्यकता होने पर चुनें कि मौसमीपन प्रवृत्ति के साथ किस प्रकार जुड़ेगा। गुणात्मक विकल्प उन श्रृंखलाओं के लिए उपयुक्त है जिनमें स्तर बढ़ने के साथ मौसमी उतार-चढ़ाव भी बढ़ते हैं।

m = Prophet(seasonality_mode="multiplicative")

योगात्मक बनाम गुणात्मक मौसमीपन

डिफ़ॉल्ट विकल्प योगात्मक है, जिसमें मौसमी विस्तार स्थिर रहता है। जब प्रवृत्ति बढ़ने के साथ शिखर भी बड़े होते जाएँ, तब गुणात्मक विकल्प का उपयोग करें, जैसे अधिक बिक्री वाले वर्षों में बिक्री का उतार-चढ़ाव बढ़ना।

मॉडल का समंजन

तैयार DataFrame पर fit चलाएँ। प्रॉफेट प्रवृत्ति के परिवर्तन-बिंदुओं और मौसमी घटकों का स्वचालित रूप से अनुमान लगाता है।

m.fit(df)

भविष्य का DataFrame बनाना

make_future_dataframe दिनांक अनुक्रमणिका को आगे बढ़ाता है, ताकि प्रॉफेट को पता हो कि किन तिथियों का पूर्वानुमान लगाना है।

future = m.make_future_dataframe(periods=90, freq="D")
print(future.tail())

पूर्वानुमान बनाना

predict एक DataFrame लौटाता है जिसमें yhat (पूर्वानुमान) तथा yhat_lower और yhat_upper अनिश्चितता-सीमाएँ होती हैं।

forecast = m.predict(future)
forecast[["ds", "yhat", "yhat_lower", "yhat_upper"]].tail()

पूर्वानुमान का आलेख बनाना

प्रॉफेट में अंतर्निर्मित आलेख होते हैं: अनिश्चितता सहित पूर्वानुमान का आलेख और एक घटक आलेख, जो प्रवृत्ति तथा प्रत्येक मौसमीपन को अलग-अलग दिखाता है।

fig1 = m.plot(forecast)
fig2 = m.plot_components(forecast)

अवकाश और प्रतिगामकों को जोड़ना

आप देश के अवकाश या कस्टम घटनाएँ पंजीकृत कर सकते हैं और add_regressor के माध्यम से अतिरिक्त व्याख्यात्मक चर जोड़ सकते हैं। इससे व्यावसायिक डेटा की शुद्धता अक्सर बढ़ जाती है।

m.add_country_holidays(country_name="US")
m.add_regressor("promo_flag")

प्रतिपरीक्षण

प्रॉफेट क्रमिक-प्रारंभ cross_validation के माध्यम से सत्यापन करता है, फिर performance_metrics विभिन्न पूर्वानुमान अवधियों में RMSE, MAE और MAPE की जानकारी देता है।

from prophet.diagnostics import cross_validation, performance_metrics

cv = cross_validation(m, initial="365 days",
                      period="90 days", horizon="90 days")
performance_metrics(cv).head()

त्वरित जाँच

प्रॉफेट संबंधी अपने ज्ञान की जाँच करें।

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन

आपने प्रॉफेट का उपयोग किया: स्तंभों के नाम ds और y में बदले, Prophet(seasonality_mode="multiplicative") बनाया, fit चलाया, make_future_dataframe से भविष्य का फ़्रेम बनाया, predict चलाया, आलेख बनाया और cross_validation से सत्यापन किया। अगला विषय: LSTM पूर्वानुमान।

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 53
पाठ: 225

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “स्वचालित पूर्वानुमान के लिए Prophet” पाठ निःशुल्क है?

हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “स्वचालित पूर्वानुमान के लिए Prophet” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“स्वचालित पूर्वानुमान के लिए Prophet” में मैं क्या सीखूँगा?

Facebook Prophet, ट्रेंड चेंजपॉइंट, छुट्टियों के प्रभाव, अनिश्चितता अंतराल और क्रॉस-वैलिडेशन। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 3वाँ पाठ है।

“स्वचालित पूर्वानुमान के लिए Prophet” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← पाइथन के साथ एआई सीखें पर वापस जाएँ