python - 如何使用 Facebook Prophet 选择初始、期间、范围和截止值？

Question

我的数据集中有大约 23300 个每小时的数据点，我尝试使用 Facebook Prophet 进行预测。 要微调超参数，可以使用交叉验证:

from fbprophet.diagnostics import cross_validation

整个过程如下: https://facebook.github.io/prophet/docs/diagnostics.html

使用cross_validation需要指定initial、period和horizo​​n:

df_cv = cross_validation(m, initial='xxx', period='xxx', horizon = 'xxx')

我现在想知道如何在我的案例中配置这三个值？如前所述，我有大约 23.300 个每小时数据点的数据。我应该取其中的一小部分作为范围，还是将数据的正确部分作为范围并不那么重要，我可以取任何看起来合适的值？

此外，cutoffs 也定义如下:

cutoffs = pd.to_datetime(['2013-02-15', '2013-08-15', '2014-02-15'])
df_cv2 = cross_validation(m, cutoffs=cutoffs, horizon='365 days')

这些 cutoffs 是否应该像上面那样均匀分布，或者我们可以像有人喜欢的那样单独设置 cutoffs 吗？

Answer 1

• initial 是第一个训练期。这是最低限度 开始训练所需的数据量。
• horizo​​n 是您要评估预测的时间长度 超过。假设一家零售店正在建立他们的模型 他们可以预测下个月的销售额。地平线设置为 30 days 在这里是有意义的，所以他们正在评估他们的模型 在他们希望使用它的相同参数设置上。
• period 是每次折叠之间的时间量。它可以是 大于或小于地平线，甚至等于地平线。
• cutoffs 是每个地平线开始的日期。

您可以通过查看此图像来理解这些术语 -

学分:预测时间 系列数据与 Greg Rafferty 的 Facebook 先知

假设一家零售店想要一个能够预测下个月的模型 每日销售额，他们计划在每个季度初运行该模型。他们 有3年的数据

然后，他们会将初始训练数据设置为 2 年。他们想预测 下个月的销售，因此将时间跨度设置为 30 天。他们计划运行该模型 每个业务季度，因此将期限设置为 90 天。 也显示在上图中。

让我们将这些参数应用到我们的模型中:

df_cv = cross_validation(model,
                     horizon='30 days',
                     period='90 days',
                     initial='730 days')