如何通过 Prophet 交叉验证获得更好的预测结果？

Posted 2023-03-12

【中文标题】如何通过 Prophet 交叉验证获得更好的预测结果？

【英文标题】：How can I get better forecasting results with Prophet cross validation?

【发布时间】：2020-05-07 15:31:38

【问题描述】：

我有 10 年的每日需求数据，趋势是积极的。 https://gofile.io/?c=PS3YCO

在一年的最后三个月中，1-2 日总是会出现需求冲击。和 15-16。本月（促销）。

我尝试使用以下方法对其进行预测：

future = m.make_future_dataframe(periods=365)

预测 = m.predict(未来)

但结果不是我所期望的。我能得到的最好的 MSE 是 6681。但是当我尝试交叉验证时，结果几乎与 6690 相同。

我可以通过设置更改什么以获得更好的结果吗？ 获取更大的数据集（假设是 50 年）是否会有所帮助？ 总的来说：我是否理解正确，您要么使用“forecast = m.predict(future)”，要么使用交叉验证选项？

另外：当我使用“from fbprophet.diagnostics import performance_metrics”来计算 MSE 时，它并没有给我测试数据的值，而是更长的时间。我如何才能计算去年的 MSE？

非常感谢您的帮助:)

import numpy as np
from fbprophet import Prophet
import matplotlib.pyplot as plt
from fbprophet.diagnostics import cross_validation

df = pd.read_excel('Dataset2.3_kurz.xls')   

promotions = pd.DataFrame( 
 'holiday': 'winter_promotion',
    'ds': pd.to_datetime(['2009-10-1','2009-10-2','2009-10-15','2009-10-16',
                          '2009-11-1','2009-11-2','2009-11-15','2009-11-16',
                          '2009-12-1','2009-12-2','2009-12-15','2009-12-16',
                          '2010-10-1','2010-10-2','2010-10-15','2010-10-16',
                          '2010-11-1','2010-11-2','2010-11-15','2010-11-16',
                          '2010-12-1','2010-12-2','2010-12-15','2010-12-16',
                          '2011-10-1','2011-10-2','2011-10-15','2011-10-16',
                          '2011-11-1','2011-11-2','2011-11-15','2011-11-16',
                          '2011-12-1','2011-12-2','2011-12-15','2011-12-16',
                          '2012-10-1','2012-10-2','2012-10-15','2012-10-16',
                          '2012-11-1','2012-11-2','2012-11-15','2012-11-16',
                          '2012-12-1','2012-12-2','2012-12-15','2012-12-16',
                          '2013-10-1','2013-10-2','2013-10-15','2013-10-16',
                          '2013-11-1','2013-11-2','2013-11-15','2013-11-16',
                          '2013-12-1','2013-12-2','2013-12-15','2013-12-16',
                          '2014-10-1','2014-10-2','2014-10-15','2014-10-16',
                          '2014-11-1','2014-11-2','2014-11-15','2014-11-16',
                          '2014-12-1','2014-12-2','2014-12-15','2014-12-16',
                          '2015-10-1','2015-10-2','2015-10-15','2015-10-16',
                          '2015-11-1','2015-11-2','2015-11-15','2015-11-16',
                          '2015-12-1','2015-12-2','2015-12-15','2015-12-16',
                          '2016-10-1','2016-10-2','2016-10-15','2016-10-16',
                          '2016-11-1','2016-11-2','2016-11-15','2016-11-16',
                          '2016-12-1','2016-12-2','2016-12-15','2016-12-16',
                          '2017-10-1','2017-10-2','2017-10-15','2017-10-16',
                          '2017-11-1','2017-11-2','2017-11-15','2017-11-16',
                          '2017-12-1','2017-12-2','2017-12-15','2017-12-16',
                          '2018-10-1','2018-10-2','2018-10-15','2018-10-16',
                          '2018-11-1','2018-11-2','2018-11-15','2018-11-16',
                          '2018-12-1','2018-12-2','2018-12-15','2018-12-16',
                          '2019-10-1','2019-10-2','2019-10-15','2019-10-16',
                          '2019-11-1','2019-11-2','2019-11-15','2019-11-16',
                          '2019-12-1','2019-12-2','2019-12-15','2019-12-16']),
    'lower_window': 0, 
    'upper_window': 0, 
)

#model
m = Prophet( growth='linear',
           holidays=promotions,
           seasonality_mode='multiplicative',

           holidays_prior_scale=10,  
           seasonality_prior_scale=10,            
            yearly_seasonality=True,
           )

m.fit(df)  

df_cv = cross_validation(m, initial='732 days', period='365 days', horizon = '366 days')

from fbprophet.diagnostics import performance_metrics
df_p = performance_metrics(df_cv)
df_p = df_p[-365:]
df_p.tail()

【问题讨论】：

我认为您可以将您提到的特定日期（促销）设置为假期（参见先知指南上的Modeling Holidays and Special Events。第二点，拥有更多数据通常可以提供更好的概括。

@LuisBlanche 这就是我在模型中使用 holiday=promotions 所做的。效果只是不够好。当您绘制数据时，您可以更好地看到它

【参考方案1】：

尝试网格搜索并调整超参数。使用 changepoint_prior_scale 参数也可能会有所帮助。这只是个人意见，但将年度季节性设置为 False 并使用新的傅立叶顺序和优先级在外部添加它也可能会有所帮助。关于 cross_validation，请查看this link 以获得更好的理解。