当前位置：
OFweek 人工智能网
> 正文
Prophet：Facebook 简单高效的时间序列模型
2020-08-03 09:42
将门创投
关注
3．3 节假日和突发事件模型
除了季节性影响，节假日或者某些事件也会对时间序列产生很大的冲击，并且往往也不遵循周期模式。所以我们需要单独的拿出来进行设置。
Prophet 允许用户设置过去和未来的假日或者事件，并且设置节假日影响的时间长短。
考虑回归矩阵：
其中，
为指示函数。
于是，我们便有：
其中，
。v 可以自行设置，默认为10，值越大，节假日对模型的影响越大；值越小，节假日对模型的影响越小。
3．4 模型拟合
通过上面的趋势、季节和事件后，我们便可以将其通过加法模型进行累加：
作者使用 pyStan 中的 L－BFGS 方法来对函数进行优化拟合。
下图展示了一周的周期性：
下图展示了 Prophet 拟合过去值和预测未来值的效果：
下图为数据的分解，包括趋势、周期（周、年）：
放一个 Prophet 与其他模型的精度对比：
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
12月19日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
-
精彩回顾立即查看>> 2024 智能家居出海论坛
-
精彩回顾立即查看>> 【在线会议】多物理场仿真助跑新能源汽车
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论