解释每周和每年季节性的先知产出

Question

我正在阅读使用R中的prophet的教程。

您可以在此处找到数据集： https://github.com/facebookincubator/prophet/blob/master/examples/example_wp_peyton_manning.csv

# R
library(prophet)
library(dplyr)

df <- read.csv('peyton.csv') %>%
  mutate(y = log(y))

head(df)

          ds        y
1 2007-12-10 9.590761
2 2007-12-11 8.519590
3 2007-12-12 8.183677
4 2007-12-13 8.072467
5 2007-12-14 7.893572
6 2007-12-15 7.783641

df$ds<-as.Date(df$ds,'%m/%d/%Y')

m <- prophet(df)

future <- make_future_dataframe(m, periods = 365)

forecast <- predict(m, future)

plot(m, forecast)

prophet_plot_components(m, forecast)

prophet_plot_components（m，预测）的输出如下：

我是否将此年度季节性部分的情节解释为：

无论您对特定日期的预测是什么，增加或减少某一数量都会占到年度季节性？例如，看起来在4月1日，y预计为-0.5。我该如何使用这个结果？我是否取一年中的平均y并将其减去-0.5来计算季节性？小困惑。

任何帮助都会很棒！

Answer 1

@Nick Prophet predict（）函数具有以下语法：

temp_dataframe_to_store_prediction <- predict(model_name, new_dataframe_created)

在你的情况下：

forecast <- predict(m, future)

来自predict（）函数的预测或预测包括每行的趋势和季节性，即每个time_stamp。因此，您无需在最终预测值中包含任何单独的代码行来包含或排除季节性。 您的解释是正确的，即通过将季节性的值（+/-）和趋势加到静止的“y”值来获得最终预测值。请注意，代码中先知使用的“y”值是log（original_y）

 mutate(y = log(y))

此行使original_y值保持不变。因此，为了解释最终结果，您需要采用指数预测的“y”值。这使预测达到原始规模。如果original_y没有被转换，则无需采用指数。