Prophet untuk Peramalan Otomatis
Facebook Prophet, titik perubahan tren, efek hari libur, interval ketidakpastian, validasi silang.
Prophet untuk Peramalan Otomatis adalah pelajaran Learn AI with Python gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Learn AI with Python, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Learn AI with Python mencakup 4 pelajaran total.
Apa Itu Prophet?
Prophet adalah pustaka prakiraan sumber terbuka dari Meta. Pustaka ini secara otomatis menyesuaikan tren, pola musiman, dan dampak hari libur, menangani data yang hilang serta pencilan dengan baik, dan memerlukan jauh lebih sedikit penyetelan daripada ARIMA, sehingga sangat baik untuk prakiraan bisnis.
Menginstal dan Mengimpor
Prophet cukup diimpor satu kali setelah dipasang.
# pip install prophet
from prophet import Prophet
import pandas as pdFormat DataFrame yang Diperlukan
Prophet memerlukan tepat dua kolom: ds (stempel tanggal) dan y (nilai yang akan diprakirakan). Mengganti nama kolom Anda menjadi nama-nama ini wajib dilakukan.
df = df.rename(columns={"date": "ds", "sales": "y"})
df["ds"] = pd.to_datetime(df["ds"])
print(df.head())Membuat Model
Buat instans Prophet, dan jika diperlukan pilih cara pola musiman digabungkan dengan tren. multiplicative cocok untuk deret yang perubahan musimannya membesar seiring tingkat nilainya.
m = Prophet(seasonality_mode="multiplicative")Pola Musiman Aditif vs Multiplikatif
Nilai bawaan adalah aditif (amplitudo musiman konstan). Gunakan multiplikatif ketika puncak membesar saat tren meningkat, seperti penjualan yang berubah lebih besar pada tahun-tahun dengan volume tinggi.
Menyesuaikan Model
Panggil fit pada DataFrame yang telah disiapkan. Prophet secara otomatis memperkirakan titik perubahan tren dan komponen musiman.
m.fit(df)Membangun DataFrame Masa Depan
make_future_dataframe memperpanjang indeks tanggal ke masa depan agar Prophet mengetahui tanggal-tanggal yang harus diprakirakan.
future = m.make_future_dataframe(periods=90, freq="D")
print(future.tail())Membuat Prediksi
predict mengembalikan DataFrame dengan yhat (prakiraan), serta batas ketidakpastian yhat_lower dan yhat_upper.
forecast = m.predict(future)
forecast[["ds", "yhat", "yhat_lower", "yhat_upper"]].tail()Membuat Grafik Prakiraan
Prophet memiliki grafik bawaan: grafik prakiraan dengan ketidakpastian, serta grafik komponen yang memisahkan tren dan setiap pola musiman.
fig1 = m.plot(forecast)
fig2 = m.plot_components(forecast)Menambahkan Hari Libur dan Peubah Penjelas
Anda dapat mendaftarkan hari libur suatu negara atau peristiwa khusus, serta menambahkan peubah penjelas melalui add_regressor, yang sering kali meningkatkan akurasi untuk data bisnis.
m.add_country_holidays(country_name="US")
m.add_regressor("promo_flag")Validasi Silang
Prophet melakukan validasi dengan cross_validation berdasarkan asal bergulir, kemudian performance_metrics melaporkan RMSE, MAE, dan MAPE di berbagai cakrawala prakiraan.
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()Pemeriksaan Singkat
Uji pengetahuan Anda tentang Prophet.
Rangkuman
Anda telah menggunakan Prophet: mengganti nama kolom menjadi ds dan y, membuat Prophet(seasonality_mode="multiplicative"), menjalankan fit, membangun bingkai masa depan dengan make_future_dataframe, menjalankan predict, membuat grafik, dan melakukan validasi dengan cross_validation. Berikutnya: prakiraan menggunakan LSTM.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Prophet untuk Peramalan Otomatis” gratis?
Ya — teks lengkap “Prophet untuk Peramalan Otomatis” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Learn AI with Python, upgrade ke CoddyKit PRO. Kursus Learn AI with Python mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Prophet untuk Peramalan Otomatis”?
Facebook Prophet, titik perubahan tren, efek hari libur, interval ketidakpastian, validasi silang. Kamu berlatih Learn AI with Python dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Learn AI with Python?
Tidak diperlukan pengalaman sebelumnya. Learn AI with Python di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Prophet untuk Peramalan Otomatis” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Learn AI with Python ini?
Ya. Setiap pelajaran Learn AI with Python menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Komponen Deret Waktu dan Stasioneritas
- Model ARIMA dan SARIMA
- Prophet untuk Peramalan Otomatis
- LSTM untuk Peramalan Deret Waktu