streamlit_prophet

<div align="center">

部署一个Streamlit应用程序，以可视化方式训练、评估和优化Prophet预测模型

⭐ 快速开始 ⭐

在线测试应用（使用共享计算资源）并阅读介绍文章

如果您计划经常使用该应用程序，应该安装软件包并在本地运行：

pip install -U streamlit_prophet
streamlit_prophet deploy dashboard

</div>

https://user-images.githubusercontent.com/56996548/126762714-f2d3f3a1-7098-4a86-8c60-0a69d0f913a7.mp4

💻 要求

Python版本

• 主要支持版本：<strong>3.7</strong> <br>
• 其他支持版本：<strong>3.8</strong> 和 <strong>3.9</strong>

请确保您安装了其中一个版本，以便能够在您的机器上运行应用程序。

操作系统

Windows用户必须安装WSL2才能下载该软件包。 这是由于Windows与Prophet的主要依赖项（pystan）不兼容所致。 其他操作系统应该可以正常工作。

⚙️ 安装

创建虚拟环境（可选）

我们强烈建议创建并激活一个新的虚拟环境，以避免任何依赖问题。

例如使用conda：

pip install conda; conda create -n streamlit_prophet python=3.7; conda activate streamlit_prophet

或使用virtualenv：

pip install virtualenv; python3.7 -m virtualenv streamlit_prophet --python=python3.7; source streamlit_prophet/bin/activate

安装软件包

从PyPi安装软件包（应该需要几分钟）：

pip install -U streamlit_prophet

或从此存储库的主分支安装：

pip install git+https://github.com/artefactory-global/streamlit_prophet.git@main

📈 使用方法

安装完成后，从命令行运行以下命令，在默认网络浏览器中打开应用程序：

streamlit_prophet deploy dashboard

现在您可以通过几次点击来训练、评估和优化预测模型。 您只需要上传一个时间序列数据集。 这个数据集应该是一个包含日期列、目标列和可选特征的csv文件，如下例所示：

然后，按照侧边栏中的指南进行操作：

• <strong>准备数据</strong>：过滤、聚合、重采样和/或清理您的数据集。
• <strong>选择模型参数</strong>：提供了默认参数，但您可以调整它们。 查看工具提示以了解每个参数如何影响预测。
• <strong>选择评估方法</strong>：定义评估过程、指标和粒度，以评估您的模型性能。
• <strong>进行预测</strong>：使用先前训练的模型对数据集中不包含的未来日期进行预测。

满意后，点击"保存实验"将所有图表和数据本地下载。

🛠️ 如何贡献？

我们欢迎所有的贡献、想法和错误报告！ 我们鼓励您为您想对这个项目进行的任何更改开启一个issue。

有关更多信息，请参阅CONTRIBUTING说明。 如果您希望将应用程序容器化，请参阅DOCKER说明。