説明
Prophetは、RとPythonの両方で実装されている予測手法であり、強い季節性を持つ時系列データや複数の季節性を持つデータを扱うように設計されています。scikit-learnのモデルAPIに準拠しており、ユーザーはProphetオブジェクトをインスタンス化し、その`fit`メソッドと`predict`メソッドを呼び出すことができます。Prophetへの入力データは、`ds`（日付スタンプ）と`y`（予測対象の数値測定値）の2つの列を持つpandas DataFrameである必要があります。`ds`列はpandasが認識できる形式であるべきで、日付の場合は理想的には'YYYY-MM-DD'、タイムスタンプの場合は'YYYY-MM-DD HH:MM:SS'です。
フィッティングプロセスは高速で、通常1〜5秒で完了します。フィッティング後、将来の日付を含むDataFrameに対して予測が行われます。Prophetは、このDataFrameを生成するためのヘルパーメソッド`make_future_dataframe`を提供しており、デフォルトではインサンプルフィッティングのための履歴日付も含まれます。`predict`メソッドは、予測値（`yhat`）、不確実性区間（`yhat_lower`、`yhat_upper`）、および予測コンポーネントを含む予測DataFrameを出力します。
Prophetは、`plot`および`plot_components`メソッドを通じて可視化機能を提供しており、全体的な予測とその構成要素（トレンド、年次季節性、週次季節性など）を表示できます。インタラクティブな可視化のために、ProphetはPlotlyと統合されています。この手法は、複数の季節性、変化する成長率、および特別日をモデル化する能力があり、さまざまな予測課題に対して堅牢です。R APIはPython APIと同様で、フィッティングには`prophet`関数を、予測と可視化には汎用的な`predict`および`plot`関数を使用します。
Prophetは、日次、週次、年次パターンなど、季節性が重要な要因となるビジネス予測に特に役立ちます。その自動化された性質により、広範な手動調整の必要性が軽減される一方、その柔軟性により専門家による調整も可能です。このツールは、信頼性の高い予測を迅速かつ効率的に構築する必要があるデータサイエンティスト、アナリスト、および開発者に適しています。
Prophetの主要機能
時系列予測
季節性（日次、週次、年次）に対応
複数季節性のモデル化
休日や特別イベントへの対応
手動調整オプション付きの自動予測
高速フィッティングプロセス（1〜5秒）
不確実性区間の提供
予測コンポーネント（トレンド、季節性）の可視化
RおよびPythonで利用可能
Scikit-learn互換API（Python）
Plotlyによるインタラクティブなプロット
オープンソース
Prophetをはじめる
パッケージマネージャーによるインストール: Pythonの場合は`pip install prophet`、Rの場合は`install.packages('prophet')`を使用します。
データの準備: 'ds'（日付スタンプ）と'y'（数値測定値）の列を持つDataFrameを作成します。
モデルのインスタンス化とフィッティング: Prophetオブジェクトを作成し、履歴データで`fit`メソッドを呼び出します。
将来の日付の生成: `make_future_dataframe`を使用して、将来の予測用のDataFrameを生成します。
予測の実行: 将来のDataFrameで`predict`メソッドを呼び出して、予測を取得します。
結果の可視化: `plot`および`plot_components`メソッドを使用して、予測とコンポーネントを可視化します。
インタラクティブな可視化: Plotly統合を利用して、インタラクティブな予測およびコンポーネントプロットを作成します。
Prophetの使用例
- ビジネス予測
- ウェブサイトトラフィック予測
- イベント影響分析
- リソース計画
- 異常検知
- マーケティングキャンペーン分析
