설명
Prophet은 R과 Python으로 구현된 예측 절차로, 강력한 계절성 효과와 다중 계절성을 가진 시계열 데이터를 처리하도록 설계되었습니다. scikit-learn 모델 API를 따르므로, 사용자는 Prophet 객체를 인스턴스화한 후 `fit` 및 `predict` 메서드를 호출할 수 있습니다. Prophet의 입력 데이터는 두 개의 열을 가진 pandas DataFrame이어야 합니다: 예측할 날짜 스탬프는 `ds`, 숫자 측정값은 `y`입니다. `ds` 열은 pandas에서 인식할 수 있는 형식이어야 하며, 날짜의 경우 'YYYY-MM-DD', 타임스탬프의 경우 'YYYY-MM-DD HH:MM:SS' 형식이 이상적입니다.
학습 과정은 빠르며 일반적으로 1-5초가 소요됩니다. 학습 후에는 미래 날짜를 포함하는 DataFrame에 대해 예측을 수행합니다. Prophet은 이 DataFrame을 생성하기 위한 도우미 메서드인 `make_future_dataframe`을 제공하며, 기본적으로 인샘플 학습을 위한 과거 날짜를 포함합니다. `predict` 메서드는 예측값(`yhat`)과 함께 불확실성 구간(`yhat_lower`, `yhat_upper`) 및 예측 구성 요소를 포함하는 예측 DataFrame을 출력합니다.
Prophet은 `plot` 및 `plot_components` 메서드를 통해 시각화 기능을 제공하며, 전체 예측과 추세, 연간 계절성, 주간 계절성과 같은 구성 요소를 표시할 수 있습니다. 대화형 시각화를 위해 Prophet은 Plotly와 통합됩니다. 이 절차는 다중 계절성, 변화하는 성장률, 특별한 날을 모델링할 수 있어 다양한 예측 과제에 강력합니다. R API는 Python API와 유사하며, 학습을 위한 `prophet` 함수와 예측 및 시각화를 위한 일반적인 `predict` 및 `plot` 함수를 사용합니다.
Prophet은 특히 계절성이 중요한 비즈니스 예측에 유용하며, 일별, 주별 또는 연간 패턴을 포함합니다. 자동화된 특성으로 인해 광범위한 수동 조정의 필요성이 줄어들고, 유연성을 통해 전문가의 조정을 허용합니다. 이 도구는 신뢰할 수 있는 예측을 빠르고 효율적으로 구축해야 하는 데이터 과학자, 분석가 및 개발자에게 적합합니다.
Prophet의 핵심 기능
시계열 예측
계절성 처리 (일별, 주별, 연별)
다중 계절성 모델링
휴일 및 특별 이벤트 조정
수동 조정 옵션이 있는 자동 예측
빠른 학습 과정 (1-5초)
불확실성 구간 제공
예측 구성 요소 시각화 (추세, 계절성)
R 및 Python에서 사용 가능
Scikit-learn 호환 API (Python)
Plotly를 사용한 대화형 플로팅
오픈 소스
Prophet 시작하기
패키지 관리자를 통한 설치: Python의 경우 `pip install prophet`, R의 경우 `install.packages('prophet')`을 사용합니다.
데이터 준비: 'ds'(날짜 스탬프) 및 'y'(숫자 측정값) 열을 가진 DataFrame을 생성합니다.
모델 인스턴스화 및 학습: Prophet 객체를 생성하고 과거 데이터로 `fit` 메서드를 호출합니다.
미래 날짜 생성: `make_future_dataframe`을 사용하여 미래 예측을 위한 DataFrame을 생성합니다.
예측 수행: 미래 DataFrame으로 `predict` 메서드를 호출하여 예측을 얻습니다.
결과 시각화: 예측 및 구성 요소 시각화를 위해 `plot` 및 `plot_components` 메서드를 사용합니다.
대화형 시각화: Plotly 통합을 사용하여 대화형 예측 및 구성 요소 플롯을 활용합니다.
Prophet의 사용 사례
- 비즈니스 예측
- 웹사이트 트래픽 예측
- 이벤트 영향 분석
- 자원 계획
- 이상 탐지
- 마케팅 캠페인 분석
