Was ich meine, die Zeitreihenanalyse ist kompliziert und ich bin mir nicht sicher, aber ich habe vorerst Daten, daher möchte ich den empfohlenen Bibliothekspropheten [^ 1] [^ 2] vorstellen.
Vorausgesagt durch Überlagerung der folgenden vier.
--Punkt der automatisch erkannten Tendenz ändern
pip install fbprophet
Das Thema ist die Vorhersage der Anzahl zukünftiger Seitenaufrufe von Wikipedia durch Herrn Peyton Manning [^ 3], einen amerikanischen Spieler.
wget https://raw.githubusercontent.com/facebookincubator/prophet/master/examples/example_wp_peyton_manning.csv
import pandas as pd
import numpy as np
from fbprophet import Prophet
df = pd.read_csv('../examples/example_wp_peyton_manning.csv')
df['y'] = np.log(df['y'])
df.head()
Lernen Sie anhand der Daten.
m = Prophet()
m.fit(df);
Wenn Sie in Zukunft 365 Tage ausgeben möchten, schreiben Sie wie folgt.
future = m.make_future_dataframe(periods=365)
future.tail()
forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()
m.plot(forecast);
m.plot_components(forecast);
Der nächste Artikel ist "Vorhersage von Bitcoin-Preisänderungen mit Prophet".
References
Recommended Posts