时间序列-预测（Forcasting）-经典算法：Facebook Prophet【非常实用，适合预测趋势，但不太精准】

prophet 算法是基于时间序列分解（同上：seasonal、trend、residual）和机器学习的拟合来做的，它最适用于具有强烈季节性影响和多个季节历史数据的时间序列。Prophet 对缺失数据和趋势变化具有稳健性，并且通常可以很好地处理异常值。

• 算法详解：张戎：Facebook 时间序列预测算法 Prophet 的研究
• 实现（GluonTS）

from gluonts.model.prophet import ProphetPredictor
# build model
prophet_estimator = ProphetPredictor(freq='1D',prediction_length=args.horizon,prophet_params={'daily_seasonality': True,'weekly_seasonality': True,'changepoint_prior_scale': 0.03,'changepoint_range': 0.5,'seasonality_mode': 'multiplicative'}
# Predicting 
# same as above

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！