使用 Prophet 自动预测
Facebook Prophet、趋势变化点、节假日效应、不确定性区间和交叉验证。
使用 Prophet 自动预测 是 CoddyKit 上的免费 Learn AI with Python 课时。 这是第 3 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Learn AI with Python 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Learn AI with Python 课程共包含 4 节课。
什么是 Prophet？
Prophet 是 Meta 推出的开源预测库。它会自动拟合趋势、季节性和节假日效应，能够妥善处理缺失数据与异常值，并且比 ARIMA 所需的调参少得多，因此非常适合业务预测。
安装与导入
安装后，只需导入一次 Prophet。
# pip install prophet
from prophet import Prophet
import pandas as pd所需的 DataFrame 格式
Prophet 要求数据必须恰好包含两列：ds（日期时间戳）和 y（要预测的值）。必须将列重命名为这两个名称。
df = df.rename(columns={"date": "ds", "sales": "y"})
df["ds"] = pd.to_datetime(df["ds"])
print(df.head())创建模型
实例化 Prophet，并可选择季节性与趋势的结合方式。multiplicative 适合季节性波动会随水平值增长的序列。
m = Prophet(seasonality_mode="multiplicative")加法季节性与乘法季节性
默认模式是加法（季节性幅度恒定）。当趋势上升时峰值也变大时，请使用乘法模式，例如销量较高的年份波动也更大的情况。
拟合模型
对准备好的 DataFrame 调用 fit。Prophet 会自动估计趋势变化点和季节性成分。
m.fit(df)构建未来 DataFrame
make_future_dataframe 会向前扩展日期索引，让 Prophet 知道需要预测哪些日期。
future = m.make_future_dataframe(periods=90, freq="D")
print(future.tail())生成预测
predict 会返回一个 DataFrame，其中包含 yhat（预测值）以及 yhat_lower 和 yhat_upper 不确定性边界。
forecast = m.predict(future)
forecast[["ds", "yhat", "yhat_lower", "yhat_upper"]].tail()绘制预测结果
Prophet 内置了绘图功能：可以绘制带不确定性的预测图，以及拆分显示趋势和各个季节性成分的组成图。
fig1 = m.plot(forecast)
fig2 = m.plot_components(forecast)添加节假日和回归变量
您可以登记国家节假日或自定义事件，并使用 add_regressor 添加额外的解释变量，这通常能提高业务数据的准确率。
m.add_country_holidays(country_name="US")
m.add_regressor("promo_flag")交叉验证
Prophet 使用滚动起点的cross_validation进行验证，然后由 performance_metrics 报告不同预测范围内的 RMSE、MAE 和 MAPE。
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()快速检查
请检验您对 Prophet 的了解。
回顾
您使用了 Prophet：将列重命名为 ds 和 y，创建 Prophet(seasonality_mode="multiplicative")，调用 fit，使用 make_future_dataframe 构建未来数据框，调用 predict 和 plot，并使用 cross_validation 进行验证。下一步：LSTM 预测。
常见问题解答
「使用 Prophet 自动预测」课时是免费的吗？
是的 — 「使用 Prophet 自动预测」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Learn AI with Python 课程的其余内容，请升级到 CoddyKit PRO。 Learn AI with Python 课程共包含 4 节课。
「使用 Prophet 自动预测」这节课中我会学到什么？
Facebook Prophet、趋势变化点、节假日效应、不确定性区间和交叉验证。 你通过在浏览器中直接运行的动手代码来练习 Learn AI with Python，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Learn AI with Python 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Learn AI with Python 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 4 节。
「使用 Prophet 自动预测」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Learn AI with Python 课中编写并运行代码吗？
能。每节 Learn AI with Python 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 时间序列的组成与平稳性
- ARIMA 与 SARIMA 模型
- 使用 Prophet 自动预测
- 使用 LSTM 进行时间序列预测