上周同事在分享爬蟲的過程中，說到了動態調度的難度在于網站的每天的更新的次數，然后我就想到關于時間序列的預測，是否可以解決這個問題。
關于時間序列的建模，AR，MA，ARMA等傳統的算法已經很成熟，但是效果不是很好，facebook開源的工具Prophet效果就好很多

Github地址：
https://github.com/facebook/prophet
官方網址：
https://facebook.github.io/prophet/

prophet 所做的事情就是：
（1）輸入已知的時間序列和對應的值（Prophet是單特征模型，輸入只有兩列，日期列必須被稱為“ds”，數值列被稱為“y”）；

（2）輸入需要預測的時間序列的長度，比如 periods 設置365，就表示預測365個新值；
（3）使用已經有的時間序列和對應值訓練模型，并輸出結果。
（4）輸出結果包括目標值，上界和下界，等，還可以畫出趨勢曲線。

其中yhat為預測的結果，yhat_lower和yhat_upper分別是預測的下界和上界

實現代碼如下：

from fbprophet import Prophet import pandas as pd df = pd.read_excel('./test.xlsx') m = Prophet() m.fit(df) #這里預測是以天為維度 默認的是freq='D' ， # freq: Any valid frequency for pd.date_range, such as 'D' or 'M'. 可以使用 pd.date_range定義任意的時間間隔 future = m.make_future_dataframe(periods=365) forecast = m.predict(future)dataFm = pd.DataFrame(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']]) dataFm.to_csv('./res.csv')picter1 = m.plot(forecast) picter1.show() picter2 = m.plot_components(forecast) picter2.show()

總結

以上是生活随笔為你收集整理的时间序列预测算法----Prophet的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。