[PYTHON] Ich habe den Propheten von Facebook verwendet, um den Durchschnitt der Dow-Branche vorherzusagen.
Was ist der Prophet?
Prophet ist ein von Facebook entwickeltes Tool zur Vorhersage von Zeitreihendaten. Es scheint, dass es schnell und vollautomatisch ist. Lassen Sie es uns für einen Moment verwenden.
Zieldaten
Verwendet den täglichen durchschnittlichen Aktienkurs von Dow Industry aus dem Jahr 1948.
Installation
pip install fbprophet
import fbprophet
fbprophet.__version__
#'0.6'
Daten importieren
Das Format muss column = ["ds", "y"] sein.
| ds | y | |
|---|---|---|
| 18356 | 2020-04-23 | 23515.26 |
| 18357 | 2020-04-24 | 23775.27 |
| 18358 | 2020-04-27 | 24133.78 |
| 18359 | 2020-04-28 | 24101.55 |
| 18360 | 2020-04-29 | 24633.86 |
| 18361 | 2020-04-30 | 24345.72 |
| 18362 | 2020-05-01 | 23723.69 |
| 18363 | 2020-05-04 | 23749.76 |
| 18364 | 2020-05-05 | 23883.09 |
| 18365 | 2020-05-06 | 23664.64 |
| 18366 | 2020-05-07 | 23875.89 |
| 18367 | 2020-05-08 | 24331.32 |
Erstellen Sie eine Instanz des Prophetenobjekts und passen Sie es an.
m = Prophet(daily_seasonality=True)
m.fit(df)
Wenn die Häufigkeit von Zeitreihendaten nicht täglich, sondern stündlich ist, setzen Sie "daily_seasonality = True".
Erstellen Sie zukünftige Datenrahmen.
future = m.make_future_dataframe(periods=365)
future.tail()
| ds | |
|---|---|
| 18728 | 2021-05-04 |
| 18729 | 2021-05-05 |
| 18730 | 2021-05-06 |
| 18731 | 2021-05-07 |
| 18732 | 2021-05-08 |
Vorhersagen.
forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()
| ds | yhat | yhat_lower | yhat_upper | |
|---|---|---|---|---|
| 18728 | 2021-05-04 | 25240.993067 | 23775.034765 | 26676.954454 |
| 18729 | 2021-05-05 | 25241.812462 | 23873.631394 | 26743.879477 |
| 18730 | 2021-05-06 | 25248.372948 | 23662.176440 | 26658.218006 |
| 18731 | 2021-05-07 | 25251.123010 | 23590.352159 | 26721.447848 |
| 18732 | 2021-05-08 | 25258.034603 | 23780.066094 | 26742.194673 |
Hier werde ich die Variablen erklären
- ** yhat **: Voraussichtlicher Wert
- ** yhat_lower **: Untergrenze des vorhergesagten Wertfehlers
- ** yhat_upper **: Obergrenze des vorhergesagten Wertfehlers
Handlung.
fig1 = m.plot(forecast)
Es liegt im Allgemeinen im Fehlerbereich.
Einzelne Elemente anzeigen.
fig2 = m.plot_components(forecast)
Auf dem Markt steht zweifellos "Verkaufen Sie im Mai und gehen Sie weg und kommen Sie am St. Leger's Day zurück." (Verkaufen Sie Aktien im Mai und kommen Sie erst am Centleisure Day (Mitte September) zurück.) Es gibt ein Sprichwort. Das scheint etwas zu sein (lacht)
Dies ist die grundlegende Verwendung. Weitere Informationen finden Sie im Dokument.
Recommended Posts