Quant à ce que je veux dire, l'analyse des séries chronologiques est compliquée et je ne suis pas sûr, mais j'ai des données pour le moment, donc j'aimerais vous présenter la bibliothèque recommandée Prophet [^ 1] [^ 2].
--Il existe des données chronologiques sur plusieurs mois (1 an si possible)
Prédite en superposant les quatre suivants.
pip install fbprophet
Le thème est de prédire le nombre de futures pages vues de Wikipédia par M. Peyton Manning [^ 3], un joueur américain.
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()
Apprenez sur la base des données.
m = Prophet()
m.fit(df);
Si vous voulez sortir 365 jours plus tard, écrivez comme suit.
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);
Le prochain article est "Prédire les changements de prix Bitcoin avec Prophet".
References
Recommended Posts