Facebook大规模时序预测『真』神器——Prophet

测试开头

概述：作为经统专业看到预测的packages很眼馋。除了之前的forecast包，现在这个prophet功能也很强大。而且！ 适合工业界+商业场景的应用。并不喜欢理论分析，能直接上案例的，一般不码字，力求简单粗暴！！
同时，本篇内容会同步更新于个人BLOG：http://blog.csdn.net/sinat_26917383/article/details/57419862

官网网址：https://facebookincubator.github.io/prophet/
github网址：https://github.com/facebookincubator/prophet
论文：《Forecasting at Scale // Sean J.Taylor and Benjamin Letham》
案例数据下载：http://download.csdn.net/detail/sinat_26917383/9764537



那么试玩下来觉得比较赞的功能点：

  • 1、大规模、细粒度数据。其实并不是大量数据，而是时间粒度可以很小，在学校玩的计量大多都是“年/月”粒度，而这个包可以适应“日/时”级别的，具体的见后面的案例就知道了。不过，预测速度嘛~
    可以定义为：较慢！！！

  • 2、趋势预测+趋势分解，最亮眼模块哟~~
    拟合的有两种趋势：线性趋势、logistic趋势；趋势分解有很多种：Trend趋势、星期、年度、季节、节假日，同时也可以看到节中、节后效应。

  • 3、突变点识别+调整。多种对抗突变办法以及调节方式。

  • 4、异常值/离群值检测。时间维度的异常值检测。突变点和异常点既相似、又不同。

  • 5、处理缺失值数据。这里指的是你可能有一些时间片段数据的缺失，之前的做法是先插值，然后进行预测（一些模型不允许断点），这里可以兼顾缺失值，同时也达到预测的目的。可以处理缺失值数据，这点很棒。

prophet应该就是我一直在找的，目前看到最好的营销活动分析的预测工具，是网站分析、广告活动分析的福音，如果您看到本篇文章内的方法，您在使用中发现什么心得，还请您尽量分享出来~

  1.  # install.packages('prophet')
  2. library(prophet)
  3. library(dplyr)


一、趋势预测+趋势分解


1、案例一：线性趋势+趋势分解

  • 数据生成+建模阶段

  1. history <- data.frame(ds = seq(as.Date('2015-01-01'), as.Date('2016-01-01'), by = 'd'),
  2.                       y = sin(1:366/200) + rnorm(366)/10)

  4. m <- prophet(history,growth = "linear")

其中，生成数据的时候注意，最好用ds（时间项）、y（一定要numeric）这两个命名你的变量，本案例是单序列+时间项。数据长这样：
Facebook大规模时序预测『真』神器——Prophet
prophet是生成模型阶段，m中有很多参数，有待后来人慢慢研究。

  • 预测阶段

  1. #时间函数
  2. future <- make_future_dataframe(m, periods = 365)
  3. tail(future)
  4. #预测
  5. forecast <- predict(m, future)
  6. tail(forecast[c('ds', 'yhat', 'yhat_lower', 'yhat_upper')])
  7. #直线预测
  8. plot(m, forecast)
  9. #趋势分解
  10. prophet_plot_components(m, forecast)

make_future_dataframe：有趣的时间生成函数，之前的ds数据是2015-1-1到2016-1-1，现在生成了一个2015-1-1到2016-12-30序列，多增加了一年，以备预测。而且可以灵活的调控是预测天，还是周，freq参数。
predict，预测那么ds是时间，yhat是预测值，lower和upper是置信区间。
感受一下plot：
Facebook大规模时序预测『真』神器——Prophet
prophet_plot_components函数是趋势分解函数，将趋势分成了趋势项、星期、年份，这是默认配置。
Facebook大规模时序预测『真』神器——Prophet

2、案例二：logitics趋势+趋势分解

logitics是啥？  不懂烦请百度。

  1. #数据生成阶段
  2. history <- data.frame(ds = seq(as.Date('2015-01-01'), as.Date('2016-01-01'), by = 'd'),
  3.                       y = sin(1:366/200) + rnorm(366)/10,
  4.                       cap=sin(1:366/200) + rnorm(366)/10+rep(0.3,366))
  5. #最大增长趋势，cap设置cap，就是这个规模的顶点,y当时顶点

  7. #模型生成
  8. m <- prophet(history,growth = "logistic")
  9. future <- make_future_dataframe(m, periods = 1826)
  10. future$cap <- sin(1:2191/200) + rnorm(2191)/10+rep(0.3,2191)

  12. #预测阶段
  13. fcst <- predict(m, future)
  14. plot(m, fcst)

prophet这里如果是要拟合logitics趋势，就需要一个cap变量，这个变量是y变量的上限（譬如最大市场规模），因为y如果服从logitics趋势不给范围的话，很容易一下预测就到顶点了，所以cap来让预测变得不那么“脆弱”…
下面来看一个失败拟合logitics案例：
Facebook大规模时序预测『真』神器——Prophet


二、节假日效应


可以考察节中、节后效应。

1、节中效应

  1. #数据生成：常规数据
  2. history <- data.frame(ds = seq(as.Date('2015-01-01'), as.Date('2016-01-01'), by = 'd'),
  3.                       y = sin(1:366/200) + rnorm(366)/10,
  4.                       cap=sin(1:366/200) + rnorm(366)/10+rep(0.3,366))
  5. #数据生成：节假日数据
  6. library(dplyr)
  7. playoffs <- data_frame(
  8.   holiday = 'playoff',
  9.   ds = as.Date(c('2008-01-13', '2009-01-03', '2010-01-16',
  10.                  '2010-01-24', '2010-02-07', '2011-01-08',
  11.                  '2013-01-12', '2014-01-12', '2014-01-19',
  12.                  '2014-02-02', '2015-01-11', '2016-01-17',
  13.                  '2016-01-24', '2016-02-07')),
  14.   lower_window = 0,
  15.   upper_window = 1
  16. )
  17. superbowls <- data_frame(
  18.   holiday = 'superbowl',
  19.   ds = as.Date(c('2010-02-07', '2014-02-02', '2016-02-07')),
  20.   lower_window = 0,
  21.   upper_window = 1
  22. )
  23. holidays <- bind_rows(playoffs, superbowls)

  25. #预测
  26. m <- prophet(history, holidays = holidays)
  27. forecast <- predict(m, future)

  29. #影响效应
  30. forecast %>% 
  31.   select(ds, playoff, superbowl) %>% 
  32.   filter(abs(playoff + superbowl) > 0) %>%
  33.   tail(10)

  35. #趋势组件
  36. prophet_plot_components(m, forecast);

数据生成环节有两个数据集要生成，一批数据是常规的数据（譬如流量），还有一个是节假日的时间数据
其中lower_window，upper_window 可以理解为假日延长时限，国庆和元旦肯定休息时间不一致，设置地很人性化，譬如圣诞节的平安夜+圣诞节两天，那么就要设置（lower_window = -1,  upper_window = 1）。数据长这样：

  1.      holiday         ds lower_window upper_window
  2.        <chr>     <date>        <dbl>        <dbl>
  3. 1    playoff 2008-01-13            0            1
  4. 2    playoff 2009-01-03            0            1
  5. 3    playoff 2010-01-16            0            1
  6. 4    playoff 2010-01-24            0            1
  7. 5    playoff 2010-02-07            0            1

预测阶段，记得要开启prophet(history, holidays = holidays)中的holidays。现在可以来看看节假日效应：

  1.           ds      playoff superbowl
  2. 1 2015-01-11  0.012300004         0
  3. 2 2015-01-12 -0.008805914         0
  4. 3 2016-01-17  0.012300004         0
  5. 4 2016-01-18 -0.008805914         0
  6. 5 2016-01-24  0.012300004         0
  7. 6 2016-01-25 -0.008805914         0
  8. 7 2016-02-07  0.012300004         0
  9. 8 2016-02-08 -0.008805914         0

从数据来看，可以看到有一个日期是重叠的，超级碗+季后赛在同一天，那么这样就会出现节日效应累加的情况。
可以看到季后赛当日的影响比较明显，超级碗当日基本没啥影响，当然了，这些数据都是我瞎编的，要是有效应就见xxx。
趋势分解这里，除了趋势项、星期、年份，多了一个节假日影响，看到了吗？

Facebook大规模时序预测『真』神器——Prophet
.

2、调和节前效应（Prior scale for holidays and seasonality）

一些情况下节假日会发生过拟合，那么可以使用holidays.prior.scale参数来进行调节，使其平滑过渡。（不知道翻译地对不对，本来刚开始以为是节后效应…）

  1. #节后效应 holidays.prior.scale
  2. m <- prophet(history, holidays = holidays, holidays.prior.scale = 1)
  3. forecast <- predict(m, future)
  4. forecast %>% 
  5.   select(ds, playoff, superbowl) %>% 
  6.   filter(abs(playoff + superbowl) > 0) %>%
  7.   tail(10)

主要通过holidays.prior.scale来实现，默认是10。由于笔者乱整数据，这里显示出效应，所以粘贴官网数据。官网的案例里面，通过调节，使得当晚超级碗的效应减弱，兼顾了节前的情况对当日的影响。
同时除了节前，还有季节前的效应，通过参数seasonality_prior_scale 调整

  1.     DS    PLAYOFF    SUPERBOWL
  2. 2190    2014-02-02    1.362312    0.693425
  3. 2191    2014-02-03    2.033471    0.542254
  4. 2532    2015-01-11    1.362312    0.000000
  5. 2533    2015-01-12    2.033471    0.000000
  6. 2901    2016-01-17    1.362312    0.000000
  7. 2902    2016-01-18    2.033471    0.000000
  8. 2908    2016-01-24    1.362312    0.000000


三、突变点调节、间断点、异常点


本节之后主要就是玩案例里面的数据，案例数据如果R包中没有，可以从这里下载。

1、Prophet——自动突变点识别

时间序列里面的很可能存在突变点，譬如一些节假日的冲击。Prophet会自动检测这些突变点，并进行适当的调整，但是机器判断会出现：没有对突变点进行调整、突变点过度调整两种情况，如果真的突变点出现，也可以通过函数中的参数进行调节。

Prophet自己会检测一些突变点，以下的图就是Prophet自己检测出来的，虚纵向代表突变点。检测到了25个，那么Prophet的做法跟L1正则一样，“假装”/删掉看不见这些突变。
Facebook大规模时序预测『真』神器——Prophet
其自己检验突变点的方式，类似观察ARIMA的自相关/偏相关系数截尾、拖尾：
Facebook大规模时序预测『真』神器——Prophet
.

2、人为干预突变点——弹性范围

通过changepoint_prior_scale进行人为干预。

  1. df = pd.read_csv('../examples/example_wp_peyton_manning.csv')
  2. m <- prophet(df, changepoint.prior.scale = 0.5)
  3. forecast <- predict(m, future)
  4. plot(m, forecast)

来感受一下changepoint.prior.scale=0.05和0.5的区别：
Facebook大规模时序预测『真』神器——Prophet
Facebook大规模时序预测『真』神器——Prophet
可以把changepoint.prior.scale看成一个弹性尺度，值越大，受异常值影响越大，那么波动越大，如0.5这样的。

3、人为干预突变点——某突变点

当你知道数据中，存在某一个确定的突变点，且知道时间。可以用changepoints 函数。不po图了。

  1. df = pd.read_csv('../examples/example_wp_peyton_manning.csv')
  2. m <- prophet(df, changepoints = c(as.Date('2014-01-01')))
  3. forecast <- predict(m, future)
  4. plot(m, forecast)

4、突变预测

标题取了这么一个名字，也是够吓人的，哈哈~   第三节的前3点都是如何消除突变点并进行预测。
但是！ 现实是，突变点是真实存在，且有些是有意义的，譬如双11、双12这样的节日。不能去掉这些突变点，但是不去掉又会影响真实预测，这时候Prophet新奇的来了一招：序列生成模型中，多少受异常值些影响（类似前面的changepoint_prior_scale，但是这里是从生成模型阶段就给一个弹性值）。
这里从生成模型中可以进行三个角度的调节：
（1）调节趋势；
（2）季节性调节

  • （1）趋势突变适应

  1. df = pd.read_csv('../examples/example_wp_peyton_manning.csv')
  2. m <- prophet(df, interval.width = 0.95)
  3. forecast <- predict(m, future)

在prophet生成模型阶段，加入interval.width，就是代表生成模型时，整个序列趋势，还有5%受异常值影响。

  • （2）季节性突变适应

对于生产厂家来说，季节性波动是肯定有的，那么又想保留季节性突变情况，又要预测。而且季节性适应又是一个比较麻烦的事情，prophet里面需要先进行全贝叶斯抽样，mcmc.samples参数，默认为0.

  1. m <- prophet(df, mcmc.samples = 500)
  2. forecast <- predict(m, future)
  3. prophet_plot_components(m, forecast);

打开mcmc.samples按钮，会把MAP估计改变为MCMC采样，训练时间很长，可能是之前的10倍。最终结果，官网DAO图：
Facebook大规模时序预测『真』神器——Prophet

5、异常值/离群值

异常值与突变点是有区别的，离群值对预测影响尤其大。

  1. df <- read.csv('../examples/example_wp_R_outliers1.csv')
  2. df$y <- log(df$y)
  3. m <- prophet(df)
  4. future <- make_future_dataframe(m, periods = 1096)
  5. forecast <- predict(m, future)
  6. plot(m, forecast);

Facebook大规模时序预测『真』神器——Prophet

对结果的影响很大，而且导致预测置信区间扩大多倍不止。prophet的优势体现出来了，prophet是可以接受空缺值NA的，所以这些异常点删掉或者NA掉，都是可以的。

  1. #异常点变为NA+进行预测
  2. outliers <- (as.Date(df$ds) > as.Date('2010-01-01')
  3.              & as.Date(df$ds) < as.Date('2011-01-01'))
  4. df$y[outliers] = NA
  5. m <- prophet(df)
  6. forecast <- predict(m, future)
  7. plot(m, forecast);

当然啦，你也可以删掉整一段影响数据，特别是天灾人祸的影响是永久存在的，那么可以删掉这一整段。下图就是这样的情况，2015年6月份左右的一批数据，都是离群值。
Facebook大规模时序预测『真』神器——Prophet


四、缺失值、空缺时间的处理+预测


前面第三章后面就提过，prophet是可以处理缺失值。那么这里就可以实现这么一个操作，如果你的数据不完整，且是间断的，譬如你有一个月20天的数据，那么你也可以根据prophet预测，同时给予你每天的数据结果。实现了以下的功能：

  1. prophet=缺失值预测+插值
  1. df <- read.csv('../examples/example_retail_sales.csv')
  2. m <- prophet(df)
  3. future <- make_future_dataframe(m, periods = 3652)
  4. fcst <- predict(m, future)
  5. plot(m, fcst);

Facebook大规模时序预测『真』神器——Prophet

源数据长这样：

  1.             ds      y
  2. 1   1992-01-01 146376
  3. 2   1992-02-01 147079
  4. 3   1992-03-01 159336
  5. 4   1992-04-01 163669
  6. 5   1992-05-01 170068

也就是你只有一年的每个月的数据，上面是预测接下来每一天的数据，也能预测，但是后面每天预测的误差有点大。所以你可以设置make_future_dataframe中的freq，后面预测的是每个月的：

  1. future <- make_future_dataframe(m, periods = 120, freq = 'm')
  2. fcst <- predict(m, future)
  3. plot(m, fcst)

Facebook大规模时序预测『真』神器——Prophet


数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。


我们努力坚持做原创，分享和传播有价值的数据知识！
我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！


点击【阅读原文】，进入【数据人网】，赏阅更多有价值的数据知识。

测试结尾

请关注“恒诺新知”微信公众号，感谢“R语言“，”数据那些事儿“，”老俊俊的生信笔记“，”冷🈚️思“，“珞珈R”，“生信星球”的支持！

作者头像
weinfoadmin

你可能也喜欢

3-1665801675
R语言学习：重读《R数据科学（中文版）》书籍
28 9月, 2022
6-1652833487
经典铁死亡，再出新思路
16 5月, 2022
1-1651501980
R语言学习：阅读《R For Everyone 》（第二版）
1 5月, 2022