Что это такое?
Prophet — это open-source процедура для прогнозирования временных рядов: аддитивная модель подбирает нелинейные тренды с годовой, недельной и дневной сезонностью, а также учитывает эффект праздников. Она рассчитана на ряды с выраженной сезонностью и историей за несколько сезонов, хорошо справляется с пропусками в данных, сменами тренда и выбросами.
Prophet — это open-source процедура для прогнозирования временных рядов: аддитивная модель подбирает нелинейные тренды с годовой, недельной и дневной сезонностью, а также учитывает эффект праздников. Она рассчитана на ряды с выраженной сезонностью и историей за несколько сезонов, хорошо справляется с пропусками в данных, сменами тренда и выбросами.Это библиотека, которую я вызываю из своего кода, или приложение с интерфейсом?Это библиотека, а не приложение: вы вызываете её из своего кода на Python или R. Пакет для Python распространяется через PyPI, пакет для R — через CRAN.
Это библиотека, а не приложение: вы вызываете её из своего кода на Python или R. Пакет для Python распространяется через PyPI, пакет для R — через CRAN.Что должно быть на моём компьютере, чтобы всё заработало?Python 3.7 или новее (поддержка Python 2 прекращена с версии v0.6). Под капотом она компилирует модель Stan через cmdstan/cmdstanpy — фиксированная версия cmdstan скачивается автоматически, а на Windows понадобится Unix-совместимый C-компилятор, например mingw-gcc.
Python 3.7 или новее (поддержка Python 2 прекращена с версии v0.6). Под капотом она компилирует модель Stan через cmdstan/cmdstanpy — фиксированная версия cmdstan скачивается автоматически, а на Windows понадобится Unix-совместимый C-компилятор, например mingw-gcc.Есть ли подводные камни при установке, о которых стоит знать?Сборка из исходников на Linux требует gcc/g++ и python-dev, а виртуальной машине нужно минимум 4 ГБ памяти для установки и 2 ГБ для работы; на Windows для R сначала нужно установить Rtools. Готовые wheels для macOS arm64 (чипы M1/M2) уже существуют.
Сборка из исходников на Linux требует gcc/g++ и python-dev, а виртуальной машине нужно минимум 4 ГБ памяти для установки и 2 ГБ для работы; на Windows для R сначала нужно установить Rtools. Готовые wheels для macOS arm64 (чипы M1/M2) уже существуют.Что модель умеет улавливать, кроме тренда и сезонности?Эффекты праздников, пользовательские сезонности и дополнительные регрессоры (вложенные поддерживаются с версии v1.4). Рост может быть линейным, нелинейным или «плоским» — такой вариант добавили в v0.7, а смены тренда обрабатываются через changepoints.
Эффекты праздников, пользовательские сезонности и дополнительные регрессоры (вложенные поддерживаются с версии v1.4). Рост может быть линейным, нелинейным или «плоским» — такой вариант добавили в v0.7, а смены тренда обрабатываются через changepoints.Как понять, что мои прогнозы вообще хороши?Есть встроенная функция кросс-валидации с метриками ошибок и визуализацией. Она поддерживает параллелизацию и прямое задание точек отсчёта (cutoffs), а с версии v1.1.7 можно создавать собственные метрики качества.
Есть встроенная функция кросс-валидации с метриками ошибок и визуализацией. Она поддерживает параллелизацию и прямое задание точек отсчёта (cutoffs), а с версии v1.1.7 можно создавать собственные метрики качества.Работает ли она с данными чаще, чем раз в сутки?Да — прогнозирование по внутрисуточным данным с дневной и пользовательской сезонностью добавили в v0.2, тогда же появились дополнительные регрессоры и функция кросс-валидации.
Да — прогнозирование по внутрисуточным данным с дневной и пользовательской сезонностью добавили в v0.2, тогда же появились дополнительные регрессоры и функция кросс-валидации.Есть ли за этим научная статья?Да: Sean J. Taylor и Benjamin Letham, 'Forecasting at scale', The American Statistician 72(1):37-45, 2018. Инструмент — open source от команды Facebook Core Data Science.
Да: Sean J. Taylor и Benjamin Letham, 'Forecasting at scale', The American Statistician 72(1):37-45, 2018. Инструмент — open source от команды Facebook Core Data Science.What are similar projects?sktime, statsmodels, timeseries-atlas, mlcourse.ai, fg-data-profiling, scikit-learn, numpy, autogluon
sktime, statsmodels, timeseries-atlas, mlcourse.ai, fg-data-profiling, scikit-learn, numpy, autogluonWhich topics is it in?r, forecasting, time-series, scientific-computing, statistics, data-analysis, data-science, machine-learning, library, python, cross-platform, mit
r, forecasting, time-series, scientific-computing, statistics, data-analysis, data-science, machine-learning, library, python, cross-platform, mit