Facebook Prophet

2025年3月17日 | 阅读 7 分钟

时间序列预测是许多行业（包括银行、零售、医疗保健等）中决策的重要组成部分。准确预测未来的趋势和模式可以帮助公司优化库存管理、预测需求、有效分配资源并做出明智的战略决策。然而，传统的预测方法通常需要领域专业知识、手动参数调整和复杂的建模过程，这使得非专家难以使用。

为了解决这些问题，Facebook 推出了 Prophet，这是一个开源的预测工具，它提供了一个简单而强大的框架，供分析师、数据科学家和领域专家使用，从而实现了时间序列预测的民主化。

Facebook Prophet 旨在简化时间序列预测的过程，自动化许多传统预测方法所需的手动任务。它基于灵活性、简单性和可伸缩性的理念，让用户能够专注于分析结果，而不是处理复杂的建模方法。

现在，为了更好地理解 Facebook Prophet，我们将使用它来预测每小时的能源消耗。

代码

导入库

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from fbprophet import Prophet
from sklearn.metrics import mean_squared_error, mean_absolute_error
plt.style.use('fivethirtyeight') # For plots

数据

我们将使用 PJM 的每小时电力消耗统计数据。能源消耗具有一些独特的特征。观察 Prophet 如何捕捉它们将会很有趣。

从 2002 年到 2018 年覆盖整个东部地区的 PJM East 提取数据。

pjme = pd.read_csv('../input/PJME_hourly.csv',
                   index_col=[0], parse_dates=[0]) # We set the index column and know it has dates

# Color pallet for plotting
color_pal = ["#F8766D", "#D39200", "#93AA00",
             "#00BA38", "#00C19F", "#00B9E3",
             "#619CFF", "#DB72FB"]
pjme.plot(style='.', figsize=(15,5), color=color_pal[0], title='PJM East')
plt.show()

输出

EDA（探索性数据分析）

我们将创建几个时间序列特征，以检查趋势如何根据星期几、小时、一年中的时间等而变化。

def create_features(df, label=None):
    """
    Creates time series features from datetime index.
    """
    df = df.copy()
    df['date'] = df.index
    df['hour'] = df['date'].dt.hour
    df['dayofweek'] = df['date'].dt.dayofweek
    df['quarter'] = df['date'].dt.quarter
    df['month'] = df['date'].dt.month
    df['year'] = df['date'].dt.year
    df['dayofyear'] = df['date'].dt.dayofyear
    df['dayofmonth'] = df['date'].dt.day
    df['weekofyear'] = df['date'].dt.weekofyear
    
    X = df[['hour','dayofweek','quarter','month','year',
           'dayofyear','dayofmonth','weekofyear']]
    if label:
        y = df[label]
        return X, y
    return X

X, y = create_features(pjme, label='PJME_MW')

features_and_target = pd.concat([X, y], axis=1)

# See our features and target
features_and_target.head()

输出

绘制特征图

电力需求具有很强的日和季节性特征。
一周中的某一天似乎也表明了高峰期的差异。

sns.pairplot(features_and_target.dropna(),
             hue='hour',
             x_vars=['hour','dayofweek',
                     'year','weekofyear'],
             y_vars='PJME_MW',
             height=5,
             plot_kws={'alpha':0.15, 'linewidth':0}
            )
plt.suptitle('Power Use MW by Hour, Day of Week, Year and Week of Year')
plt.show()

输出

分割数据集

为了将其用作验证集，我们删除了 2015 年之后的数据。我们将使用先前的数据进行训练。

split_date = '01-Jan-2015'
pjme_train = pjme.loc[pjme.index <= split_date].copy()
pjme_test = pjme.loc[pjme.index > split_date].copy()

# Plot train and test so you can see where we have split
pjme_test \
    .rename(columns={'PJME_MW': 'TEST SET'}) \
    .join(pjme_train.rename(columns={'PJME_MW': 'TRAINING SET'}),
          how='outer') \
    .plot(figsize=(15,5), title='PJM East', style='.')
plt.show()

输出

Facebook 的 Prophet 模型

Prophet 模型期望数据集以特定的方式命名。在将数据馈送到模型之前，我们将重命名我们的数据框列。

# Format data for prophet model using ds and y
pjme_train.reset_index() \
    .rename(columns={'Datetime':'ds',
                     'PJME_MW':'y'}).head()

输出

# Setup and train model and fit
model = Prophet()
model.fit(pjme_train.reset_index() \
              .rename(columns={'Datetime':'ds',
                               'PJME_MW':'y'}))

# Predict on training set with model
pjme_test_fcst = model.predict(df=pjme_test.reset_index() \
                                   .rename(columns={'Datetime':'ds'}))

输出

# Plot the forecast
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
fig = model.plot(pjme_test_fcst,
                 ax=ax)
plt.show()

输出

# Plot the components of the model
fig = model.plot_components(pjme_test_fcst)

输出

比较

# Plot the forecast with the actuals
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
ax.scatter(pjme_test.index, pjme_test['PJME_MW'], color='r')
fig = model.plot(pjme_test_fcst, ax=ax)

输出

查看预测的第一个月

# Plot the forecast with the actuals
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
ax.scatter(pjme_test.index, pjme_test['PJME_MW'], color='r')
fig = model.plot(pjme_test_fcst, ax=ax)
ax.set_xbound(lower='01-01-2015',
              upper='02-01-2015')
ax.set_ylim(0, 60000)
plot = plt.suptitle('January 2015 Forecast vs Actuals')

输出

一周的预测

# Plot the forecast with the actuals
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
ax.scatter(pjme_test.index, pjme_test['PJME_MW'], color='r')
fig = model.plot(pjme_test_fcst, ax=ax)
ax.set_xbound(lower='01-01-2015', upper='01-08-2015')
ax.set_ylim(0, 60000)
plot = plt.suptitle('First Week of January Forecast vs Actuals')

输出

误差指标

我们的 RMSE 误差为 43761675。

我们的 MAE 误差为 5181.78。

我们的 MAPE 不准确率为 16.5%。

与 XGBoost 模型相比，我们的误差要低得多（MAPE 为 8.9%）。

mean_squared_error(y_true=pjme_test['PJME_MW'],
                   y_pred=pjme_test_fcst['yhat'])

输出

mean_absolute_error(y_true=pjme_test['PJME_MW'],
                   y_pred=pjme_test_fcst['yhat'])

输出

def mean_absolute_percentage_error(y_true, y_pred): 
    """Calculates MAPE was given y_true and y_pred"""
    y_true, y_pred = np.array(y_true), np.array(y_pred)
    return np.mean(np.abs((y_true - y_pred) / y_true)) * 100

mean_absolute_percentage_error(y_true=pjme_test['PJME_MW'],
                   y_pred=pjme_test_fcst['yhat'])

输出

添加节假日

接下来，我们将检查添加节假日标记是否能提高模型的准确性。Prophet 有一个节假日效应参数，可以在训练模型之前传递给模型。

我们将使用内置的 pandas USFederalHolidayCalendar 来获取节假日列表。

from pandas.tseries.holiday import USFederalHolidayCalendar as calendar

cal = calendar()
train_holidays = cal.holidays(start=pjme_train.index.min(),
                              end=pjme_train.index.max())
test_holidays = cal.holidays(start=pjme_test.index.min(),
                             end=pjme_test.index.max())

# Create a dataframe with holiday, ds columns
pjme['date'] = pjme.index.date
pjme['is_holiday'] = pjme.date.isin([d.date() for d in cal.holidays()])
holiday_df = pjme.loc[pjme['is_holiday']] \
    .reset_index() \
    .rename(columns={'Datetime':'ds'})
holiday_df['holiday'] = 'USFederalHoliday'
holiday_df = holiday_df.drop(['PJME_MW','date','is_holiday'], axis=1)
holiday_df.head()

输出

holiday_df['ds'] = pd.to_datetime(holiday_df['ds'])
# Setup and train model with holidays
model_with_holidays = Prophet(holidays=holiday_df)
model_with_holidays.fit(pjme_train.reset_index() \
                            .rename(columns={'Datetime':'ds',
                                             'PJME_MW':'y'}))

添加节假日进行预测

# Predict the training set with the model
pjme_test_fcst_with_hols = \
    model_with_holidays.predict(df=pjme_test.reset_index() \
                                    .rename(columns={'Datetime':'ds'}))

绘制节假日效应图

输出

添加节假日后的误差指标

令人惊讶的是，添加节假日后误差反而变差了。

mean_squared_error(y_true=pjme_test['PJME_MW'],
                   y_pred=pjme_test_fcst_with_hols['yhat'])

输出

mean_absolute_error(y_true=pjme_test['PJME_MW'],
                   y_pred=pjme_test_fcst_with_hols['yhat'])

输出

仅比较节假日日期的模型

让我们绘制有和没有独立日的预测模型。对于这个特定的节假日，带节假日的模型似乎更符合实际。

# Plot the forecast with the actuals
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
ax.scatter(pjme_test.index, pjme_test['PJME_MW'], color='r')
fig = model.plot(pjme_test_fcst, ax=ax)
ax.set_xbound(lower='07-01-2015', upper='07-7-2015')
ax.set_ylim(0, 60000)
plot = plt.suptitle('Week of July 4th Forecast vs Actuals non-Holiday Model')

输出

# Plot the forecast with the actuals
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
ax.scatter(pjme_test.index, pjme_test['PJME_MW'], color='r')
fig = model.plot(pjme_test_fcst_with_hols, ax=ax)
ax.set_xbound(lower='07-01-2015', upper='07-7-2015')
ax.set_ylim(0, 60000)
plot = plt.suptitle('Week of July 4th Forecast vs Actuals Holiday Model')

输出

比较独立日的误差

这一天的误差得到了解决。

jul4_test = pjme_test.query('Datetime >= 20160407 and Datetime < 20160408')
jul4_pred = pjme_test_fcst.query('ds >= 20160407 and ds < 20160408')
jul4_pred_holiday_model = pjme_test_fcst_with_hols.query('ds >= 20160407 and ds < 20160408')

mean_absolute_error(y_true=jul4_test['PJME_MW'],
                   y_pred=jul4_pred['yhat'])

输出

mean_absolute_error(y_true=jul4_test['PJME_MW'],
                   y_pred=jul4_pred_holiday_model['yhat'])

输出

所有节假日的误差

节假日误差增加了！这令人惊讶。

holiday_list = holiday_df['ds'].tolist()
hols_test = pjme_test.query('Datetime in @holiday_list')
hols_pred = pjme_test_fcst.query('ds in @holiday_list')
hols_pred_holiday_model = pjme_test_fcst_with_hols.query('ds in @holiday_list')
mean_absolute_error(y_true=hols_test['PJME_MW'],
                   y_pred=hols_pred['yhat'])

输出

mean_absolute_error(y_true=hols_test['PJME_MW'],
                   y_pred=hols_pred_holiday_model['yhat'])

输出

按节假日识别误差

该模型展示了不同的节假日如何产生不同的响应。如果我们单独识别节假日而不是将它们全部归为“USFederalHolidays”，模型可能会表现更好。

holiday_df['date'] = holiday_df['ds'].dt.date

for hol, d in holiday_df.groupby('date'):
    holiday_list = d['ds'].tolist()
    hols_test = pjme_test.query('Datetime in @holiday_list')
    if len(hols_test) == 0:
        continue
    hols_pred = pjme_test_fcst.query('ds in @holiday_list')
    hols_pred_holiday_model = pjme_test_fcst_with_hols.query('ds in @holiday_list')
    non_hol_error = mean_absolute_error(y_true=hols_test['PJME_MW'],
                   y_pred=hols_pred['yhat'])
    hol_model_error = mean_absolute_error(y_true=hols_test['PJME_MW'],
                       y_pred=hols_pred_holiday_model['yhat'])
    diff = non_hol_error - hol_model_error
    print(f'Holiday: {hol:%B %d, %Y}:    \n MAE (non-holiday model): {non_hol_error:0.1f} \n MAE (Holiday Model): {hol_model_error:0.1f} \n Diff {diff:0.1f}')

输出

绘制每个预测的误差图

我们可以看到，我们的两个模型都能有效地泛化，但在高峰需求时段会遇到困难。

它似乎低估了许多天。

ax = pjme_test_fcst.set_index('ds')['yhat'].plot(figsize=(15, 5),
                                                 lw=0,
                                                 style='.')
pjme_test['PJME_MW'].plot(ax=ax,
                          style='.',
                          lw=0,
                          alpha=0.2)
plt.legend(['Forecast','Actual'])
plt.title('Forecast vs Actuals')
plt.show()

输出

数据清理

数据清理是预测过程中的关键部分。如果传入的数据包含垃圾值，预测将使用它们来进行预测，这可能会导致严重问题。

我们在训练数据中注意到，有一些测量值较低的糟糕测量值。这些是导致低估的原因吗？让我们尝试删除这些错误数据。

此图以红色突出显示了糟糕的数据。

ax = pjme_train.plot(style='.',
                     figsize=(15,5),
                     color=color_pal[5],
                     title='PJME_MW with bad data highlighted',
                     xlim=('01-01-2012','01-01-2013')
                    )
pjme_train.query('PJME_MW < 19000').plot(style='.',
                                             figsize=(15,5),
                                             color=color_pal[0],
                                             ax=ax)
ax.legend().set_visible(False)
plt.show()

输出

pjme_train.plot(figsize=(15, 5))
plt.show()

输出

2012 年 10 月 29 日至 30 日，飓风桑迪袭击了美国东部，造成了严重的风暴和沿海洪水，导致约 800 万人断电。这场风暴以一级飓风的强度在新泽西州大西洋城附近登陆，最终导致新泽西州（270 万）、纽约（220 万）、宾夕法尼亚州（120 万）、康涅狄格州（62 万）、马萨诸塞州（40 万）、马里兰州（29 万）、西弗吉尼亚州（26.8 万）、俄亥俄州（25 万）和新罕布什尔州（21 万）的数不清的家庭和企业断电。弗吉尼亚州、缅因州、罗德岛州、佛蒙特州和哥伦比亚特区等许多其他州也记录到了停电。

ax = pjme_train.plot(style='.',
                     figsize=(15,5),
                     color=color_pal[5],
                     title='PJME_MW with bad data highlighted',
                     xlim=('10-29-2012','11-01-2012'),
                     ylim=(10000, 31000)
                    )
pjme_train.query('PJME_MW < 19000').plot(style='.',
                                             figsize=(15,5),
                                             color=color_pal[0],
                                             ax=ax)
ax.legend().set_visible(False)
plt.show()

输出

# Clean Data
pjme_train['PJME_MW_clean'] = pjme_train['PJME_MW']
pjme_train.loc[pjme_train['PJME_MW'] < 19000, 'PJME_MW_clean'] = np.nan

# Train model on clean data
model = Prophet()
model.fit(pjme_train.reset_index() \
              .rename(columns={'Datetime':'ds',
                               'PJME_MW_clean':'y'})
         )

# Predict on training set with clean model
pjme_test_fcst_clean = model.predict(df=pjme_test.reset_index() \
                                   .rename(columns={'Datetime':'ds'}))

清理后，与初始模型相比，分数有了小幅提高。更多的数据清理以及节假日可能会带来更好的结果。试试看！

mse_clean = mean_squared_error(y_true=pjme_test['PJME_MW'],
                               y_pred=pjme_test_fcst_clean['yhat']
                              )
mae_clean = mean_absolute_error(y_true=pjme_test['PJME_MW'],
                                y_pred=pjme_test_fcst_clean['yhat']
                               )
mape_clean = mean_absolute_percentage_error(y_true=pjme_test['PJME_MW'],
                                            y_pred=pjme_test_fcst_clean['yhat'])
print(f' MSE {mse_clean:0.4f} - MAE {mae_clean:0.4f} - MAPE {mape_clean:0.4f}')

输出

ax = pjme_test_fcst_clean.set_index('ds')['yhat'] \
    .plot(figsize=(15, 5), lw=0, style='.')
pjme_test['PJME_MW'].plot(ax=ax, style='.', lw=0, alpha=0.2)
plt.legend(['Forecast','Actual'])
plt.title('Forecast vs Actuals with Cleaned Model')
plt.show()

输出

下一主题了解机器学习中的优化算法

← prev next →

Facebook Prophet

导入库

数据

EDA（探索性数据分析）

绘制特征图

分割数据集

Facebook 的 Prophet 模型

比较

一周的预测

误差指标

添加节假日

添加节假日进行预测

绘制节假日效应图

添加节假日后的误差指标

仅比较节假日日期的模型

比较独立日的误差

所有节假日的误差

按节假日识别误差

绘制每个预测的误差图

数据清理

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

机器学习

监督式学习

分类

杂项

相关教程

面试题

Facebook Prophet

导入库

数据

EDA（探索性数据分析）

绘制特征图

分割数据集

Facebook 的 Prophet 模型

比较

一周的预测

误差指标

添加节假日

添加节假日进行预测

绘制节假日效应图

添加节假日后的误差指标

仅比较节假日日期的模型

比较独立日的误差

所有节假日的误差

按节假日识别误差

绘制每个预测的误差图

数据清理

相关帖子

机器学习中的图像伪造检测

如何在机器学习中对相关性进行排名？

精确率-召回率曲线 (PR 曲线) – ML

使用 NumPy 从头开始实现神经网络

深度学习中的目标检测

随机优化

如何在 PyTorch 中获取模型摘要

如何去除时间序列中的非平稳性

机器学习中的图像生成

机器学习中的问题

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器