预言家和预言家
profetorch的Python项目详细描述
教授
FB Prophet + Fastai + pyTorch.
这是prophet的另一种实现，它使用分位数回归代替MCMC抽样。它比prophet有以下优点：
- GPU使用情况。在
- 严格的上下界。在
- 可以向时间序列添加任何其他功能集。在
时间序列的实现如下：
\开始{aligned} y&；=b（T（T）+S（T）+F（x）| l，u）\ T（T）和=mt+a\ S（t）&；=\sum{n=1}^n\左（a_n\cos\ left（\frac{2\pi nt}{P}\right）+b\n\sin\左（\frac{2\pi nt}{P}\right）\right）\ F（x）&；=w^T x\ b（y | l，u）&；=\begin{cases} l\quad\text{if}y<；l\ y\quad\text{if}l<；y<；u\ u\quad\text{if}y>；u \结束{cases} \结束{aligned}
其中，$T（T）$是趋势线，$S（T）$是由傅立叶和组成的季节性分量，$F（x）$是一个线性函数，它加权与时间无关的特征。在
因此，任务是找到使损失函数$l（\hat{y}，y）$最小化的参数$a，m、\cup\na\u n、\cup\un b\u n，w$。默认设置为最小化$l1$loss$\frac{1}{N}\sum{i=1}^N | y_i-\hat{y_i}|$，这样对离群值的依赖最小。默认情况下，我们还通过最小化倾斜损失函数来计算第5和第95分位数。分位数函数计算如下： \开始{align} y_5&；=b（\hat{y}-（m_5t+a_5）| l，u）\ y{95}&；=b（\hat{y}+（m{95}t+a{95}）l，u） \结束{align}
安装
pip install profetorch
教授培训
model_params={'y_n':10,'m_n':7,'l':0,'h':train_df['y'].max()*2}model=Model(train_df,model_args=model_params,epochs=30,alpha=1e-2,beta=0)model.fit(train_df)
y_pred=model.predict(df)plt.figure(figsize=(12,5))plt.scatter(df['ds'],df['y'],label='Data')plt.plot(train_df['ds'],y_pred[:train_len,1],c='r',label='Train Set')plt.fill_between(train_df['ds'],y_pred[:train_len,0],y_pred[:train_len,2],alpha=0.5)plt.plot(test_df['ds'],y_pred[train_len:,1],c='g',label='Test Set')plt.fill_between(test_df['ds'],y_pred[train_len:,0],y_pred[train_len:,2],alpha=0.5)plt.show()
显然还有更多的工作要做，如上图所示。但是，请注意：
- 季节性成分被捕捉。在
- 分位数是不对称的，这在fb先知案中是不可能发生的。在
- 如果有足够的兴趣，我会弥补这些不足。
- 项目
标签：
欢迎加入QQ群-->： 979659372
