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數據。prophet模型對於缺失值、趨勢突變以及大量離羣點的數據有較好的魯棒性。
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]
主要聯繫人：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 —— 在原數據框中增加一列解釋變量用於擬合和預測
方法描述：原數據框中會增加一列作爲解釋變量，當參數standardize='auto'時，這個解釋變量將會被標準化（除非它是二進制），給定浮動比例參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，默認爲holidays.prior.scale的值。
用法：
add_regressor ( m, name, prior.scale = NULL, standardize = 'auto' )
參數說明：
m Prophet預測對象
name 解釋變量的名字，字符串
prior.scale 對歷史數據的浮動比例，不指定時默認選擇holidays.prior.scale的值
standardize 布爾值，指明擬合之前是否需要標準化，‘auto’，True，False
輸出值：
增加解釋變量的prophet模型
（八）add_seasonality —— 在原數據框中增加一個特定時間段季節因素
方法描述：增加傅里葉成分的數量會使季節性的變化更快（有過擬合的風險），默認情況下，年和周的季節性參數值分別取10和3.
用法：
add_seasonality ( m, name, period, fourier.order, prior.scale = NULL )
參數說明：
m Prophet預測對象
name 季節成分名稱，字符串
Period 一個時間段中的天數
fourier.order 傅里葉成分的個數
prior.scale 對歷史數據的浮動比例，增大浮動比例參數的值將會使得季節因素更有彈性，不指定參數值時，使用seasonality.prior.scale的值（默認爲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：將原始數據集分成若干個部分，計算預測值進行交叉驗證
用法：
cross_validation ( model, horizon, units, period = NULL, initial = NULL )
參數說明：
model 擬合的Prophet模型
horizon 範圍，整數大小
units 單位，字符串，如‘days’，‘secs’
period 各個集的大小，若不指定，值默認選擇0.5*horizon
輸出值：
數據框，包含預測值、實際值、劃分點
（十）fit.prophet —— 擬合prophet模型
描述：這個方法設置prophet模型中的m$params特徵包含擬合的參數，參數列表包括以下元素：k (M數組)：M個初始斜率的後驗樣本；m(M數組)：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數組)：噪聲水平。注意，最大後驗概率(MAP)估計時，M=1
用法：
fit.prophet ( m, df , … )
參數說明：
m Prophet對象
df 數據框
units 單位，字符串，如‘days’，‘secs’
period 各個集的大小，若不指定，值默認選擇0.5*horizon
輸出值：
數據框，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 )
參數說明：
m Prophet模型對象
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數據基礎上預測 【make_future_dataframe()返回的數據框】
輸出值：
返回一個列表，項目有‘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、其他解釋變量。
（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爲跨度。
用法：
simulated_historical_forecasts (model, horizon, units, k, period = NULL)
參數說明：
model 擬合的Prophet預測模型
horizon 整型，時間範圍
units 字符串，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，默認選擇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。