J'ai utilisé le prophète de Facebook pour prédire la moyenne de l'industrie Dow.
Qu'est-ce que le prophète
Prophet est un outil développé par Facebook pour prédire les données de séries chronologiques. Il semble que ce soit rapide et entièrement automatique. Utilisons-le pendant un moment.
Données cibles
Utilise le cours moyen quotidien de l'action Dow Industry de 1948.
Installation
pip install fbprophet
import fbprophet
fbprophet.__version__
#'0.6'
Importer des données
Le format doit être colonnes = ["ds", "y"].
| 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 |
Créez une instance d'objet Prophet et ajustez-la.
m = Prophet(daily_seasonality=True)
m.fit(df)
Si la fréquence des données de séries chronologiques n'est pas quotidienne mais horaire, définissez daily_seasonality = True.
Créez de futurs blocs de données.
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 |
Prédire.
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 |
Ici, je vais expliquer les variables
- ** yhat **: valeur prédite
- ** yhat_lower **: limite inférieure de l'erreur de valeur prédite
- ** yhat_upper **: limite supérieure de l'erreur de valeur prédite
Terrain.
fig1 = m.plot(forecast)
Il se situe généralement dans la plage d'erreur.
Affichez des éléments individuels.
fig2 = m.plot_components(forecast)
Certes, le marché dit "Vendez en mai et partez, et revenez le jour de la Saint-Léger." (Vendez des actions en mai et ne revenez pas avant le Centleisure Day (mi-septembre)) Il y a un dicton. Cela semble être quelque chose (rires)
Ceci est l'utilisation de base, veuillez consulter le document pour plus de détails.
Recommended Posts