當前位置：
OFweek 人工智能網
> 正文
Prophet：Facebook 簡單高效的時間序列模型
2020-08-03 09:42
將門創投
關注
3．3 節假日和突發事件模型
除了季節性影響，節假日或者某些事件也會對時間序列產生很大的沖擊，并且往往也不遵循周期模式。所以我們需要單獨的拿出來進行設置。
Prophet 允許用戶設置過去和未來的假日或者事件，并且設置節假日影響的時間長短。
考慮回歸矩陣：
其中，
為指示函數。
于是，我們便有：
其中，
。v 可以自行設置，默認為10，值越大，節假日對模型的影響越大；值越小，節假日對模型的影響越小。
3．4 模型擬合
通過上面的趨勢、季節和事件后，我們便可以將其通過加法模型進行累加：
作者使用 pyStan 中的 L－BFGS 方法來對函數進行優化擬合。
下圖展示了一周的周期性：
下圖展示了 Prophet 擬合過去值和預測未來值的效果：
下圖為數據的分解，包括趨勢、周期（周、年）：
放一個 Prophet 與其他模型的精度對比：
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
11月7日立即參評>> 【評選】維科杯·OFweek 2025（第十屆）物聯網行業年度評選
-
11月20日立即報名>> 【免費下載】RISC-V芯片發展現狀與測試挑戰-白皮書
-
即日-11.25立即下載>>> 費斯托白皮書《柔性：汽車生產未來的關鍵》
-
11月27日立即報名>> 【工程師系列】汽車電子技術在線大會
-
11月28日立即下載>> 【白皮書】精準洞察 無線掌控——283FC智能自檢萬用表
-
12月18日立即報名>> 【線下會議】OFweek 2025（第十屆）物聯網產業大會
