Prophet

名稱：自動預測過程
版本：0.2.1
日期：2017-11-08
描述：實現了一個時間序列的預測過程，基於能夠擬合年度、周等週期以及假期等因素的非線性趨勢的加法模型。模型要求至少一年以上的週期性歷史資料。prophet模型對於缺失值、趨勢突變以及大量離群點的資料有較好的魯棒性。
平臺：R（3.2.3以上版本），Rcpp（0.12.0以上版本）
載入包： dplyr, extraDistr, ggplot2, grid, rstan, scales， stats， tidyr
作者： Sean Taylor [cre, aut] , Ben Letham[aut]
主要聯絡人：Sean Taylor <

[email protected]>
----------------------------------------------------------------------------------------------------------
下面是分別介紹包中方法的具體使用，共12個方法：

 （七）add_regressor —— 在原資料框中增加一列解釋變數用於擬合和預測

方法描述： 
 原資料框中會增加一列作為解釋變數，當引數standardize='auto'時，這個解釋變數將會被標準化（除非它是二進位制），給定浮動比例引數時迴歸係數也就確定了，降低浮動比例會產生較大的調整，當不指定浮動比例時，預設為holidays.prior.scale的值。
用法：
 add_regressor ( m, name, prior.scale = NULL, standardize = 'auto' )
引數說明：
 m    Prophet預測物件
 name   解釋變數的名字，字串
 prior.scale         對歷史資料的浮動比例，不指定時預設選擇holidays.prior.scale的值  
 standardize        布林值，指明擬合之前是否需要標準化，‘auto’，True，False
輸出值：
 增加解釋變數的prophet模型

 （八）add_seasonality —— 在原資料框中增加一個特定時間段季節因素

方法描述： 
 增加傅立葉成分的數量會使季節性的變化更快（有過擬合的風險），預設情況下，年和周的季節性引數值分別取10和3.
用法：
 add_seasonality ( m, name, period, fourier.order, prior.scale = NULL )
引數說明：
 m                                    Prophet預測物件
 name                             季節成分名稱，字串
 Period                           一個時間段中的天數
 fourier.order                  傅立葉成分的個數
 prior.scale                      對歷史資料的浮動比例 ，增大浮動比例引數的值將會使得季節因素更有彈性，不指定引數值時，使用seasonality.prior.scale的值（預設為10）
輸出值：
 增加季節因素的prophet模型

 （九）cross_validation —— 時間序列的交叉驗證

描述：
 將原始資料集分成若干個部分，計算預測值進行交叉驗證
用法：
 cross_validation ( model, horizon, units, period = NULL, initial = NULL )
引數說明：
 model                              擬合的Prophet模型
 horizon                           範圍，整數大小
 units                                單位，字串，如‘days’，‘secs’
 period                             各個集的大小，若不指定，值預設選擇0.5*horizon
輸出值：
 資料框，包含預測值、實際值、劃分點

（十）fit.prophet —— 擬合prophet模型

描述：
 這個方法設定prophet模型中的m$params特徵包含擬合的引數，引數列表包括以下元素：k (M陣列)：M個初始斜率的後驗樣本；m(M陣列)：初始截距；delta(M*N矩陣)：在每N個變點處斜率發生變化；beta(M*K矩陣)：K個季節特徵的係數；sigma_obs(M陣列)：噪聲水平。注意，最大後驗概率(MAP)估計時，M=1
用法：
 fit.prophet ( m, df , … )
引數說明：
 m                                       Prophet物件
 df                                      資料框
 units                                 單位，字串，如‘days’，‘secs’
 period                                各個集的大小，若不指定，值預設選擇0.5*horizon
輸出值：
 資料框，包含預測值、實際值、劃分點

 （十一）predictive_samples —— 後驗預測樣本

描述：
 後驗預測樣本
用法：
predictive_samples ( m, df )
引數說明：
 m                                      Prophet模型物件
 df                                     包含預測日期（column ds），邏輯增長時需要容量（column cap），如果不指定則在歷史資料基礎上預測 【make_future_dataframe()返回的資料框】
輸出值：
 返回一個列表，專案有‘trend’、‘seasonal’和‘yhat’，後驗預測樣本產生的結果，‘seasonal’是所有季節效應的疊加、節假日、其他解釋變數。

（十二）simulated_historical_forecasts —— 模擬歷史預測

描述：
 從k個歷史截斷點進行預測，後向預測（從最後開始）以每個截斷點間的距離為跨度。
用法：
 simulated_historical_forecasts (model, horizon, units, k, period = NULL)
引數說明：
 model                                   擬合的Prophet預測模型
 horizon                                 整型，時間範圍
 units                                    字串，時間範圍的單位，如“day”，“secs”
 k                                          整型，預測點數
 period                                   時間段，截斷日期之間的時間跨度，單位同上，預設選擇0.5*horizon
輸出值：
 返回一個數據框，包含預測值、實際值和截斷日期。