Prophet时间序列预测教程 📈

Prophet是由Facebook开发的强大的时间序列预测工具，适合处理具有季节性、节假日效应和趋势的数据。以下是使用Prophet进行预测的核心步骤：

1. 环境准备

• 安装Python库：

  pip install prophet
  

  

• 数据要求：
  需要包含ds（日期）和y（目标值）两列，示例格式：

  ds	y
  2023-01-01	120
  2023-01-02	135

2. 核心流程

1. 加载数据

   from pandas import read_csv
   df = read_csv("data.csv")
   

2. 初始化模型

   from prophet import Prophet
   model = Prophet()
   

3. 拟合训练

   model.fit(df)
   

4. 未来预测

   future = model.make_future_dataframe(periods=365)
   forecast = model.predict(future)
   

5. 可视化结果

3. 高级功能

• 添加节假日：

  model.add_country_holidays(country_code='CN')
  

• 自定义趋势：
  通过growth参数选择线性或分段线性趋势
• 季节性调整：
  使用seasonality_mode控制季节性强度（additive/multiplicative）

4. 扩展学习

如需了解其他时间序列模型，可访问：
/ai_tutorials_machine_learning/time_series_prediction_arima_tutorial

5. 注意事项

✅ Prophet适合中短期预测（如周/月级）
⚠️ 需确保数据无缺失且时间戳连续
💡 可结合plot_components分析趋势/季节性分解