Prophet: 自动预测程序

---

2023年更新: 我们在这篇博文中讨论了Prophet未来的计划: 2023年及以后的facebook/prophet

---

Prophet是一种基于加法模型的时间序列数据预测程序,该模型拟合非线性趋势,并考虑了年、周、日的季节性以及节假日效应。它最适用于具有强烈季节性效应且有多个季度历史数据的时间序列。Prophet对缺失数据和趋势变化具有鲁棒性,通常能很好地处理异常值。

Prophet是由Facebook的核心数据科学团队发布的开源软件。可在CRAN和PyPI上下载。

重要链接

• 主页: https://facebook.github.io/prophet/
• HTML文档: https://facebook.github.io/prophet/docs/quick_start.html
• 问题追踪: https://github.com/facebook/prophet/issues
• 源代码仓库: https://github.com/facebook/prophet
• 贡献指南: https://facebook.github.io/prophet/docs/contributing.html
• Prophet R包: https://cran.r-project.org/package=prophet
• Prophet Python包: https://pypi.python.org/pypi/prophet/
• 发布博文: https://research.facebook.com/blog/2017/2/prophet-forecasting-at-scale/
• Prophet论文: Sean J. Taylor, Benjamin Letham (2018) 大规模预测. The American Statistician 72(1):37-45 (https://peerj.com/preprints/3190.pdf).

在R中安装 - CRAN

⚠️ CRAN上的Prophet版本相当过时。为获取最新的bug修复和更新的国家假日数据,我们建议安装最新版本。

Prophet是一个CRAN包,因此您可以使用install.packages安装。

install.packages('prophet')

安装后,您可以开始使用了!

在R中安装 - 最新版本

install.packages('remotes')
remotes::install_github('facebook/prophet@*release', subdir = 'R')

实验性后端 - cmdstanr

您还可以选择一个名为cmdstanr的实验性替代stan后端。安装prophet后,按照以下说明使用cmdstanr而不是rstan作为后端:

# R
# 我们建议在新的R会话中运行此操作或重新启动当前会话
install.packages(c("cmdstanr", "posterior"), repos = c("https://mc-stan.org/r-packages/", getOption("repos")))

# 如果您之前没有安装过cmdstan,请运行:
cmdstanr::install_cmdstan()
# 否则,您可以将cmdstanr指向您现有的cmdstan路径:
cmdstanr::set_cmdstan_path(path = <您现有的cmdstan路径>)

# 设置R_STAN_BACKEND环境变量
Sys.setenv(R_STAN_BACKEND = "CMDSTANR")

Windows

在Windows上,R需要一个编译器,因此您需要按照rstan提供的说明进行操作。关键步骤是在尝试安装软件包之前安装Rtools。

如果您有自定义的Stan编译器设置,请从源代码安装而不是使用CRAN二进制文件。

在Python中安装 - PyPI发布版

Prophet在PyPI上可用,因此您可以使用pip安装它。

python -m pip install prophet

• 从v0.6开始,不再支持Python 2。
• 从v1.0开始,PyPI上的包名为"prophet";在v1.0之前是"fbprophet"。
• 从v1.1开始,支持的最低Python版本为3.7。

安装后,您可以开始使用了!

Anaconda

Prophet也可以通过conda-forge安装。

conda install -c conda-forge prophet

在Python中安装 - 开发版本

要获取最新的代码更改,您可以克隆此仓库并手动从源代码构建。这不保证是稳定的。

git clone https://github.com/facebook/prophet.git
cd prophet/python
python -m pip install -e .

默认情况下,Prophet将使用cmdstan的固定版本(如有必要会下载并安装)来编译模型可执行文件。如果不希望这样做,并且想使用您自己现有的cmdstan安装,可以将环境变量PROPHET_REPACKAGE_CMDSTAN设置为False:

export PROPHET_REPACKAGE_CMDSTAN=False; python -m pip install -e .

Linux

确保已安装编译器(gcc, g++, build-essential)和Python开发工具(python-dev, python3-dev)。在Red Hat系统中,安装gcc64和gcc64-c++包。如果您使用的是虚拟机,请注意安装prophet至少需要4GB内存,使用prophet至少需要2GB内存。

Windows

在Windows上使用cmdstanpy需要一个类Unix的C编译器,如mingw-gcc。如果先安装了cmdstanpy,可以通过cmdstanpy.install_cxx_toolchain命令安装一个。

更新日志

版本1.1.5 (2023.10.10)

Python

• 升级 cmdstan 版本至 2.33.1，支持 Apple M2。
• 为 macOS arm64 架构（M1、M2 芯片）添加预构建的 wheel 包。
• 在 Prophet() 实例化中添加了 scaling 参数。允许对 y 进行 minmax 缩放，而非 absmax 缩放（除以最大值）。默认为 scaling='absmax'，保持与之前版本一致的行为。
• 在 Prophet() 实例化中添加了 holidays_mode 参数。允许假日回归器采用与季节性回归器不同的模式。如未指定，holidays_mode 与 seasonality_mode 取相同值，保持与之前版本一致的行为。
• 在 Prophet 对象中添加了两个方法：preprocess() 和 calculate_initial_params()。无需手动调用这些方法，它们不会改变模型拟合过程。其目的是在数据传递给 stan 模型之前，清晰展示预处理步骤（y 缩放、创建傅里叶级数、回归器缩放、设置变点等）。
• 在 cross_validation() 中添加了 extra_output_columns 参数。用户可以指定 predict() 中的额外列，在最终输出中与 ds 和 yhat 一起包含，例如 extra_output_columns=['trend']。
• prophet 的自定义 hdays 模块在上一版本中已弃用，现已移除。

R

• 基于 holidays 版本 0.34 更新了 holidays 数据。

版本 1.1.4 (2023.05.30)

Python

• 现在仅依赖 holidays 包处理国家假日。
• 升级 cmdstan 版本至 2.31.0，支持 Apple M1。
• 修复了由长路径导致的 Windows 安装问题。

R

• 基于 holidays 版本 0.25 更新了 holidays 数据。

版本 1.1.2 (2023.01.20)

Python

• 通过移除中间 DataFrame 创建，将 .predict() 速度提升至多 10 倍。
• 加速傅里叶级数生成，使 train() 和 predict() 流程至少提速 1.5 倍。
• 修复了读取热启动值的错误。
• wheel 包现在与版本无关。

R

• 修复了 construct_holiday_dataframe() 中的错误。
• 基于 holidays 版本 0.18 更新了 holidays 数据。

版本 1.1.1 (2022.09.08)

• (Python) 通过向量化改进了不确定性预测的运行时间（3-7倍）。
• 修复了与 Python 包版本和 R 假日对象相关的错误。

版本 1.1 (2022.06.25)

• 将 pystan2 依赖替换为 cmdstan + cmdstanpy。
• 为 Python 包预打包模型二进制文件，将二进制发行版上传至 PyPI。
• 改进了 stan 模型代码、交叉验证度量计算和假日处理。

版本 1.0 (2021.03.28)

• Python 包名从 fbprophet 更改为 prophet。
• 修复 R Windows 构建问题，使最新版本重新上传至 CRAN。
• 改进了序列化、假日处理和 R 时区处理。
• 改进了绘图功能。

版本 0.7 (2020.09.05)

• 内置 json 序列化。
• 添加了"平坦"增长选项。
• 修复了与 holidays 和 pandas 相关的错误。
• 改进了绘图功能。
• 改进了交叉验证，如并行化和直接指定截止点。

版本 0.6 (2020.03.03)

• 修复了与 holidays 和 pandas 包上游变更相关的错误。
• 在首次使用时编译模型，而非安装时（符合 CRAN 政策）。
• Python 中现可使用 cmdstanpy 后端。
• 不再支持 Python 2。

版本 0.5 (2019.05.14)

• 条件季节性。
• 改进了交叉验证估计。
• Python 中添加了 Plotly 绘图。
• 错误修复。

版本 0.4 (2018.12.18)

• 添加了假日功能。
• 错误修复。

版本 0.3 (2018.06.01)

• 乘法季节性。
• 交叉验证错误度量和可视化。
• 设置潜在变点范围的参数。
• 两种趋势类型的统一 Stan 模型。
• 改进了亚日数据的未来趋势不确定性。
• 错误修复。

版本 0.2.1 (2017.11.08)

• 错误修复。

版本 0.2 (2017.09.02)

• 支持亚日数据预测。
• 日季节性和自定义季节性。
• 额外回归变量。
• 访问后验预测样本。
• 交叉验证函数。
• 饱和最小值。
• 错误修复。

版本 0.1.1 (2017.04.17)

• 错误修复。
• 检测年度和周度季节性的新选项（现为默认）。

版本 0.1 (2017.02.23)

• 初始发布。

许可证

Prophet 基于 MIT 许可证。