Prophet
这是个啥？
Prophet将时间序列分解为趋势、季节性（年、周、日）以及节假日效应三大可解释成分，并通过自动检测changepoints 捕捉趋势的突变。
changepoints：突然变化的点
有啥优点？
该框架对缺失值、异常值以及趋势的非线性变化具有较强的鲁棒性，使用者无需深厚的统计或时间序列专业背景即可快速构建预测模型。
核心原理
趋势分量：使用分段线性或 Logistic 曲线来拟合长期增长或饱和趋势。
季节性分量：通过傅里叶级数对年、周、日等周期进行平滑建模。
傅里叶级数：就是把周期函数分解成一系列正弦和余弦函数之和的数学工具
节假日效应：用户可自行提供节假日表，模型会学习其对业务的特殊影响。
changepoints：自动或手动指定的拐点位置，使模型能够在趋势突变处灵活调整斜率。
碎碎念 咪莫咪莫头发多多
按啥流程干活的？
Prophet 工作流程
准备数据：将原始时间序列整理为两列：ds和 y无需复杂预处理。
模型初始化与配置
选择趋势模型：线性趋势或逻辑斯蒂趋势）；
配置季节性：自动识别年、周、日等周期性，也可自定义季节性；
添加节假日：手动指定重要节假日或事件，模型会单独建模其影响。
模型训练
通过贝叶斯回归或L-BFGS 优化估计模型参数，自动检测趋势变化点，拟合趋势、季节、节假日等组件，整合为完整的预测模型。；
L-BFGS ：能快速找到函数的最小值点
生成预测
用make_future_dataframe生成未来时间序列；
make_future_dataframe：这个不是突然跑出来的这个是Prophet库里面的预测函数（python）
调用predict方法输出预测结果，包括预测值、置信区间
结果分析与优化
可视化分析：通过plot查看整体预测趋势，plot_components拆分趋势、季节、节假日的单独影响；
模型调优：若预测误差较大，调整趋势变化点敏感度、季节性傅里叶阶数或节假日权重，重新训练模型；
评估迭代：对比历史数据的仿真预测效果，反复优化参数直至满足需求。
实际运用的公司
Walmart
在内部 AI 平台中把 Prophet 作为核心时间序列模型，结合自研特征工程（促销、天气、假日等）并与其他机器学习模型做加权集成
印度安得拉邦电力调度中心（公共事业）
对电力材料需求预测（季节性强、受气候影响大）。
#供给与需求 #供应链 #需求预测 #算法#深度学习与神经网络
这是个啥？
Prophet将时间序列分解为趋势、季节性（年、周、日）以及节假日效应三大可解释成分，并通过自动检测changepoints 捕捉趋势的突变。
changepoints：突然变化的点
有啥优点？
该框架对缺失值、异常值以及趋势的非线性变化具有较强的鲁棒性，使用者无需深厚的统计或时间序列专业背景即可快速构建预测模型。
核心原理
趋势分量：使用分段线性或 Logistic 曲线来拟合长期增长或饱和趋势。
季节性分量：通过傅里叶级数对年、周、日等周期进行平滑建模。
傅里叶级数：就是把周期函数分解成一系列正弦和余弦函数之和的数学工具
节假日效应：用户可自行提供节假日表，模型会学习其对业务的特殊影响。
changepoints：自动或手动指定的拐点位置，使模型能够在趋势突变处灵活调整斜率。
碎碎念 咪莫咪莫头发多多
按啥流程干活的？
Prophet 工作流程
准备数据：将原始时间序列整理为两列：ds和 y无需复杂预处理。
模型初始化与配置
选择趋势模型：线性趋势或逻辑斯蒂趋势）；
配置季节性：自动识别年、周、日等周期性，也可自定义季节性；
添加节假日：手动指定重要节假日或事件，模型会单独建模其影响。
模型训练
通过贝叶斯回归或L-BFGS 优化估计模型参数，自动检测趋势变化点，拟合趋势、季节、节假日等组件，整合为完整的预测模型。；
L-BFGS ：能快速找到函数的最小值点
生成预测
用make_future_dataframe生成未来时间序列；
make_future_dataframe：这个不是突然跑出来的这个是Prophet库里面的预测函数（python）
调用predict方法输出预测结果，包括预测值、置信区间
结果分析与优化
可视化分析：通过plot查看整体预测趋势，plot_components拆分趋势、季节、节假日的单独影响；
模型调优：若预测误差较大，调整趋势变化点敏感度、季节性傅里叶阶数或节假日权重，重新训练模型；
评估迭代：对比历史数据的仿真预测效果，反复优化参数直至满足需求。
实际运用的公司
Walmart
在内部 AI 平台中把 Prophet 作为核心时间序列模型，结合自研特征工程（促销、天气、假日等）并与其他机器学习模型做加权集成
印度安得拉邦电力调度中心（公共事业）
对电力材料需求预测（季节性强、受气候影响大）。
#供给与需求 #供应链 #需求预测 #算法#深度学习与神经网络
