Learn AI with Python · Ders

Otomatik Tahmin için Prophet

Facebook Prophet, trend değişim noktaları, tatil etkileri, belirsizlik aralıkları, çapraz doğrulama.

Otomatik Tahmin için Prophet, CoddyKit'te ücretsiz bir Learn AI with Python dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Learn AI with Python öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Learn AI with Python kursu toplamda 4 dersten oluşur.

Prophet Nedir

Prophet, Meta tarafından geliştirilen açık kaynaklı bir tahmin kütüphanesidir. Eğilimi, mevsimselliği ve tatil etkilerini otomatik olarak uydurur; eksik verileri ve aykırı değerleri başarılı biçimde işler. ARIMA'ya göre çok daha az ayar gerektirdiğinden iş dünyasındaki tahminler için harikadır.

Kurulum ve İçe Aktarma

Kurulum tamamlandıktan sonra Prophet için tek bir içe aktarma yeterlidir.

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

Gerekli DataFrame Biçimi

Prophet tam olarak iki sütun gerektirir: ds (tarih damgası) ve y (tahmin edilecek değer). Sütunlarınızı bu adlarla yeniden adlandırmanız zorunludur.

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

Modeli Oluşturma

Prophet örneğini oluştururken mevsimselliğin eğilimle nasıl birleşeceğini isteğe bağlı olarak seçebilirsiniz. çarpımsal seçenek, mevsimsel dalgalanmaların seviye arttıkça büyüdüğü seriler için uygundur.

m = Prophet(seasonality_mode="multiplicative")

Toplamsal ve Çarpımsal Mevsimsellik

Varsayılan seçenek toplamsal modeldir (sabit mevsimsel genlik). Eğilim yükseldikçe, yüksek hacimli yıllarda daha fazla dalgalanan satışlarda olduğu gibi, tepe noktaları büyüdüğünde çarpımsal seçeneği kullanın.

Modeli Uydurma

Hazırlanan DataFrame üzerinde fit işlevini çağırın. Prophet, eğilim değişim noktalarını ve mevsimsel bileşenleri otomatik olarak tahmin eder.

m.fit(df)

Gelecek DataFrame'ini Oluşturma

make_future_dataframe, tarih indeksini ileriye doğru genişleterek Prophet'in hangi tarihleri tahmin edeceğini bilmesini sağlar.

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

Tahminler Üretme

predict, yhat (tahmin) ile birlikte belirsizlik sınırlarını gösteren yhat_lower ve yhat_upper sütunlarını içeren bir DataFrame döndürür.

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

Tahmini Grafikleştirme

Prophet'te yerleşik grafikler bulunur: belirsizlik aralığıyla birlikte tahmin grafiği ve eğilimi ile her bir mevsimselliği ayrı gösteren bileşenler grafiği.

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

Tatiller ve Regresörler Ekleme

Ülke tatillerini veya özel etkinlikleri kaydedebilir ve add_regressor ile ek açıklayıcı değişkenler ekleyebilirsiniz; bu işlem iş verilerinde çoğu zaman doğruluğu artırır.

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

Çapraz Doğrulama

Prophet, kayan başlangıçlı cross_validation ile doğrulama yapar; ardından performance_metrics, farklı tahmin ufukları için RMSE, MAE ve MAPE değerlerini raporlar.

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()

Hızlı Kontrol

Prophet bilginizi sınayın.

Özet

Prophet kullandınız: sütunları ds ve y olarak yeniden adlandırdınız, Prophet(seasonality_mode="multiplicative") oluşturdunuz, fit kullandınız, make_future_dataframe ile gelecek çerçevesini oluşturdunuz, predict ve grafik işlemlerini kullandınız ve cross_validation ile doğrulama yaptınız. Sırada: LSTM ile tahmin.

Sıkça Sorulan Sorular

“Otomatik Tahmin için Prophet” dersi ücretsiz mi?

Evet — “Otomatik Tahmin için Prophet” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Learn AI with Python kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Learn AI with Python kursu toplamda 4 dersten oluşur.

“Otomatik Tahmin için Prophet” dersinde ne öğreneceğim?

Facebook Prophet, trend değişim noktaları, tatil etkileri, belirsizlik aralıkları, çapraz doğrulama. Learn AI with Python ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

Learn AI with Python öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te Learn AI with Python, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.

“Otomatik Tahmin için Prophet” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu Learn AI with Python dersinde kod yazıp çalıştırabilir miyim?

Evet. Her Learn AI with Python dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← Learn AI with Python Sayfasına Dön