0Pricing
Learn AI with Python · 강의

자동 예측을 위한 Prophet

Facebook Prophet, 추세 변곡점, 휴일 효과, 불확실성 구간, 교차 검증을 다룹니다.

자동 예측을 위한 Prophet은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

프로펫이란 무엇인가

프로펫은 메타에서 만든 오픈 소스 예측 라이브러리입니다. 추세, 계절성, 공휴일 효과를 자동으로 적합하고, 결측치와 이상치를 안정적으로 처리하며, ARIMA보다 훨씬 적은 조정만 필요하므로 비즈니스 예측에 적합합니다.

설치 및 가져오기

프로펫은 한 번 설치하면 한 줄의 가져오기 문으로 사용할 수 있습니다.

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

필요한 DataFrame 형식

프로펫에는 정확히 두 개의 열이 필요합니다. ds는 날짜 표시이고 y는 예측할 값입니다. 열 이름을 이 이름으로 변경하는 것은 필수입니다.

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

모델 만들기

프로펫을 인스턴스화하고, 필요에 따라 계절성을 추세와 결합하는 방식을 선택하십시오. 계절에 따른 변동 폭이 수준과 함께 커지는 시계열에는 승법 방식이 적합합니다.

m = Prophet(seasonality_mode="multiplicative")

가법 계절성과 승법 계절성

기본값은 가법 방식(일정한 계절 변동 폭)입니다. 판매량이 많은 해에 판매량의 변동 폭도 커지는 것처럼 추세가 상승할수록 정점이 커진다면 승법 방식을 사용하십시오.

모델 적합하기

준비한 DataFrame에 fit을 호출하십시오. 프로펫은 추세 변화점과 계절 구성 요소를 자동으로 추정합니다.

m.fit(df)

미래 DataFrame 만들기

make_future_dataframe은 날짜 색인을 미래로 확장하여 프로펫이 어느 날짜를 예측해야 하는지 알 수 있게 합니다.

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

예측 생성하기

predict는 yhat(예측값)과 함께 yhat_lower 및 yhat_upper 불확실성 경계를 포함하는 DataFrame을 반환합니다.

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

예측 도표로 나타내기

프로펫은 기본 제공 도표를 지원합니다. 불확실성을 포함한 예측 도표와 추세 및 각 계절성을 분리하여 보여 주는 구성 요소 도표가 있습니다.

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

공휴일 및 회귀 변수 추가하기

국가 공휴일이나 사용자 지정 이벤트를 등록하고, add_regressor로 추가 설명 변수를 넣을 수 있습니다. 이는 비즈니스 데이터의 정확도를 높이는 경우가 많습니다.

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

교차 검증

프로펫은 롤링 시작점 방식의 cross_validation으로 검증하며, performance_metrics는 여러 예측 기간에 대한 RMSE, MAE, MAPE를 보고합니다.

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()

빠른 확인

프로펫 지식을 확인해 보십시오.

복습

프로펫을 사용하여 열 이름을 ds와 y로 변경하고, Prophet(seasonality_mode="multiplicative")를 만들고, fit을 실행하고, make_future_dataframe으로 미래 프레임을 만들고, predict를 실행하고, plot하고, cross_validation으로 검증했습니다. 다음 주제는 LSTM 예측입니다.

자주 묻는 질문

“자동 예측을 위한 Prophet” 강의는 무료인가요?

네 — “자동 예측을 위한 Prophet” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

“자동 예측을 위한 Prophet”에서 뭘 배우나요?

Facebook Prophet, 추세 변곡점, 휴일 효과, 불확실성 구간, 교차 검증을 다룹니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.

“자동 예측을 위한 Prophet” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Learn AI with Python 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. 시계열 구성 요소와 정상성
  2. ARIMA와 SARIMA 모델
  3. 자동 예측을 위한 Prophet
  4. 시계열 예측을 위한 LSTM
← Learn AI with Python(으)로 돌아가기