Descripción
Prophet es un procedimiento de pronóstico implementado tanto en R como en Python, diseñado para manejar datos de series temporales con fuertes efectos estacionales y múltiples temporadas. Sigue la API del modelo scikit-learn, permitiendo a los usuarios instanciar un objeto Prophet y luego llamar a sus métodos `fit` y `predict`. Los datos de entrada para Prophet deben ser un DataFrame de pandas con dos columnas: `ds` para la marca de tiempo y `y` para la medición numérica a pronosticar. La columna `ds` debe estar en un formato reconocible por pandas, idealmente 'YYYY-MM-DD' para fechas o 'YYYY-MM-DD HH:MM:SS' para marcas de tiempo.
El proceso de ajuste es rápido, típicamente toma de 1 a 5 segundos. Después del ajuste, las predicciones se realizan sobre un DataFrame que contiene fechas futuras. Prophet proporciona un método auxiliar, `make_future_dataframe`, para generar este DataFrame, que por defecto incluye fechas históricas para el ajuste dentro de la muestra. El método `predict` genera un DataFrame de pronóstico que incluye el valor predicho (`yhat`), junto con intervalos de incertidumbre (`yhat_lower`, `yhat_upper`) y componentes del pronóstico.
Prophet ofrece capacidades de visualización a través de sus métodos `plot` y `plot_components`, que pueden mostrar el pronóstico general y sus partes constituyentes como tendencia, estacionalidad anual y estacionalidad semanal. Para visualizaciones interactivas, Prophet se integra con Plotly. El procedimiento es capaz de modelar múltiples estacionalidades, tasas de crecimiento cambiantes y días especiales, lo que lo hace robusto para diversos desafíos de pronóstico. La API de R refleja la API de Python, utilizando una función `prophet` para el ajuste y funciones genéricas `predict` y `plot` para pronóstico y visualización.
Prophet es particularmente útil para pronósticos empresariales donde la estacionalidad es un factor significativo, como patrones diarios, semanales o anuales. Su naturaleza automatizada reduce la necesidad de ajustes manuales extensos, mientras que su flexibilidad permite ajustes expertos. La herramienta es muy adecuada para científicos de datos, analistas y desarrolladores que necesitan crear pronósticos fiables de forma rápida y eficiente.
Características principales de Prophet
Pronóstico de series temporales
Maneja estacionalidad (diaria, semanal, anual)
Modela múltiples estacionalidades
Ajusta para días festivos y eventos especiales
Pronóstico automatizado con opciones de ajuste manual
Proceso de ajuste rápido (1-5 segundos)
Proporciona intervalos de incertidumbre
Visualiza componentes del pronóstico (tendencia, estacionalidad)
Disponible en R y Python
API compatible con Scikit-learn (Python)
Gráficos interactivos con Plotly
Código abierto
Primeros pasos con Prophet
Instalar a través del gestor de paquetes: Use `pip install prophet` para Python o `install.packages('prophet')` para R.
Preparar datos: Cree un DataFrame con las columnas 'ds' (marca de tiempo) y 'y' (medición numérica).
Instanciar y ajustar modelo: Cree un objeto Prophet y llame al método `fit` con sus datos históricos.
Generar fechas futuras: Use `make_future_dataframe` para crear un DataFrame para predicciones futuras.
Realizar predicciones: Llame al método `predict` con el DataFrame futuro para obtener pronósticos.
Visualizar resultados: Use los métodos `plot` y `plot_components` para la visualización del pronóstico y sus componentes.
Visualización interactiva: Utilice la integración con Plotly para gráficos interactivos del pronóstico y sus componentes.
Casos de uso de Prophet
- Pronóstico empresarial
- Predicción de tráfico web
- Análisis de impacto de eventos
- Planificación de recursos
- Detección de anomalías
- Análisis de campañas de marketing
