0
| 本文作者： 三川 | 2017-02-25 21:37 |
雷鋒網(wǎng)消息：前天，F(xiàn)acebook 宣布開源一款基于 Python 和 R 語言的數(shù)據(jù)預測工具——“Prophet”，即“先知”。取名倒是非常直白。
Facebook 表示，Prophet 相比現(xiàn)有預測工具更加人性化，并且難得地提供 Python 支持。另外，它生成的預測結(jié)果足以和專業(yè)數(shù)據(jù)分析師媲美。
Facebook 把預測任務(wù)的流程用下圖展示出來：
從圖中可以看出，預測共分四個流程：建模，預測評估，表面問題和人工檢查。
在建模階段，當前可用的 Python 工具包寥寥無幾。最廣為人知的 “ forecast” ，谷歌開發(fā)的 CausalImpact， 以及推特的 AnomalyDetection，均是基于 R 語言。很顯然，F(xiàn)acebook 想要改變這一點。
從 Facebook 官方聲明來看，推出 Prophet，是希望用它來替代 forecast，成為最受歡迎的預測工具。雷鋒網(wǎng)了解到，相對于后者，F(xiàn)acebook 表示 Prophet 有兩大優(yōu)點：
開發(fā)合理、準確的預測模型更加直接。
Prophet 包含許多預測技術(shù)，比如 ARIMA 和 exponential smoothing。每一項工具都有它的長處、短處和調(diào)節(jié)參數(shù)。Facebook 表示，選擇不恰當?shù)哪Ｐ突騾?shù)會造成讓人難以滿意的結(jié)果；而即便是有經(jīng)驗的數(shù)據(jù)分析師在選擇模型、參數(shù)上也經(jīng)常遇到困難。言下之意是，Prophet 將著重改善這方面的體驗，讓模型、參數(shù)的選擇更直觀。
用 Prophet 做出的預測，能夠以對普通人更加直觀的方式進行定制。
Prophet 有針對周期性的平滑參數(shù)（smoothing parameters for seasonality），允許開發(fā)者調(diào)整與歷史周期的匹配程度。它還有針對趨勢的平滑參數(shù)，能夠調(diào)整對歷史趨勢變化的緊跟程度。對于增長曲線（growth curves），開發(fā)者能人工設(shè)置上限，即 capacities，把關(guān)于“該預測如何增長（或下降）”的先驗信息注入進去。最后，開發(fā)者還能設(shè)置不規(guī)則日期，來對超級碗、感恩節(jié)、黑色星期五之類的特殊日子進行建模。
在它的核心，Prophet 是一個可加回歸模型（additive regression model），它有四個組成部分：
一個分段的線性或邏輯增長曲線趨勢。Prophet 通過提取數(shù)據(jù)中的轉(zhuǎn)變點，自動檢測趨勢變化。
一個按年的周期組件，使用傅里葉級數(shù)（Fourier series）建模而成。
一個按周的周期組件，使用虛擬變量（dummy variables）。
用戶設(shè)置的重要節(jié)日表。
雷鋒網(wǎng)獲知，Prophet 針對的是商業(yè)預測任務(wù)，適用于具備以下特征的場景：
針對每小時、每天或每星期的觀察頻次，有至少數(shù)月（理想情況的一年）的歷史記錄。
多重顯著的“人類層級”周期性：星期X以及年份。
日期間隔不規(guī)則的重要節(jié)日（比如超級碗），需要事先得知。
觀察缺失或是異常值在合理范圍內(nèi)。
歷史趨勢變化，比如產(chǎn)品發(fā)布或者改寫記錄（logging changes）。
符合非線性增長曲線的趨勢，有天然上、下限或者飽和點。
想要進一步了解 Prophet 的讀者，請參考以下鏈接：
Facebook 博客：https://research.fb.com/prophet-forecasting-at-scale/
使用指南：https://facebookincubator.github.io/prophet/docs/quick_start.html
文件：http://facebookincubator.github.io/prophet/
via facebook
相關(guān)文章：
Facebook AML實驗室負責人：將AI技術(shù)落地的N種方法（下）
Facebook AML實驗室負責人：將AI技術(shù)落地的N種方法（上）
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
