Descrição
Prophet é um procedimento de previsão implementado em R e Python, projetado para lidar com dados de séries temporais com fortes efeitos sazonais e múltiplas sazonalidades. Ele segue a API de modelo scikit-learn, permitindo que os usuários instanciem um objeto Prophet e, em seguida, chamem seus métodos `fit` e `predict`. Os dados de entrada para Prophet devem ser um DataFrame pandas com duas colunas: `ds` para o carimbo de data/hora e `y` para a medição numérica a ser prevista. A coluna `ds` deve estar em um formato reconhecível pelo pandas, idealmente 'AAAA-MM-DD' para datas ou 'AAAA-MM-DD HH:MM:SS' para carimbos de data/hora.
Ler mais
O processo de ajuste é rápido, geralmente levando de 1 a 5 segundos. Após o ajuste, as previsões são feitas em um DataFrame contendo datas futuras. Prophet fornece um método auxiliar, `make_future_dataframe`, para gerar este DataFrame, que por padrão inclui datas históricas para ajuste dentro da amostra. O método `predict` gera um DataFrame de previsão que inclui o valor previsto (`yhat`), juntamente com intervalos de incerteza (`yhat_lower`, `yhat_upper`) e componentes de previsão.
Prophet oferece recursos de visualização através de seus métodos `plot` e `plot_components`, que podem exibir a previsão geral e suas partes constituintes, como tendência, sazonalidade anual e sazonalidade semanal. Para visualizações interativas, Prophet se integra com Plotly. O procedimento é capaz de modelar sazonalidade múltipla, taxas de crescimento variáveis e dias especiais, tornando-o robusto para vários desafios de previsão. A API R espelha a API Python, utilizando uma função `prophet` para ajuste e funções genéricas `predict` e `plot` para previsão e visualização.
Prophet é particularmente útil para previsões de negócios onde a sazonalidade é um fator significativo, como padrões diários, semanais ou anuais. Sua natureza automatizada reduz a necessidade de ajustes manuais extensivos, enquanto sua flexibilidade permite ajustes de especialistas. A ferramenta é bem adequada para cientistas de dados, analistas e desenvolvedores que precisam construir previsões confiáveis de forma rápida e eficiente.
- CategoriaPrevisão e análise preditiva
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem, Auto-hospedado
- PlataformasWeb
Recursos principais de Prophet
Previsão de séries temporais
Lida com sazonalidade (diária, semanal, anual)
Modela múltiplas sazonalidades
Ajusta para feriados e eventos especiais
Previsão automatizada com opções de ajuste manual
Processo de ajuste rápido (1-5 segundos)
Fornece intervalos de incerteza
Visualiza componentes de previsão (tendência, sazonalidade)
Disponível em R e Python
API compatível com Scikit-learn (Python)
Plotagem interativa com Plotly
Código aberto
Primeiros passos com Prophet
Instale via gerenciador de pacotes: Use `pip install prophet` para Python ou `install.packages('prophet')` para R.
Prepare os dados: Crie um DataFrame com as colunas 'ds' (carimbo de data/hora) e 'y' (medição numérica).
Instancie e ajuste o modelo: Crie um objeto Prophet e chame o método `fit` com seus dados históricos.
Gere datas futuras: Use `make_future_dataframe` para criar um DataFrame para previsões futuras.
Faça previsões: Chame o método `predict` com o DataFrame futuro para obter as previsões.
Visualize os resultados: Use os métodos `plot` e `plot_components` para visualização de previsão e componentes.
Visualização interativa: Utilize a integração com Plotly para gráficos interativos de previsão e componentes.
Casos de uso de Prophet
- Previsão de negócios
- Previsão de tráfego de sites
- Análise de impacto de eventos
- Planejamento de recursos
- Detecção de anomalias
- Análise de campanha de marketing
