使用先知的时间序列预测（来自`浮动`的issubdtype）

Question

我正在尝试使用先知包来预测时间序列：

首先，我将月和日合并为一列：

Date Values 11259 2017-01-01 23.818044 11286 2017-02-01 20.275252 11313 2017-03-01 22.347278 11340 2017-04-01 23.837490 11367 2017-05-01 23.460605 11394 2017-06-01 22.307115 11421 2017-07-01 23.643994 11448 2017-08-01 23.791720 11475 2017-09-01 23.643933 11502 2017-10-01 20.771269 11529 2017-11-01 21.317947 11556 2017-12-01 22.361570 33723 2018-01-01 24.336259 33750 2018-02-01 19.926928 33777 2018-03-01 22.714901 33804 2018-04-01 23.605119 33831 2018-05-01 23.653298 33858 2018-06-01 23.052182 33885 2018-07-01 24.377920 33912 2018-08-01 24.576733 33939 2018-09-01 24.376775 33966 2018-10-01 21.256970 33993 2018-11-01 21.969202 34020 2018-12-01 22.970637

我的数据框：

sub_model = Prophet(interval_width=0.95)
sub_model.fit(df1)

然后我尝试使用以下功能：

KeyError: 'y'

During handling of the above exception, another exception occurred:

    KeyError                                  Traceback (most recent call last)
<ipython-input-6-a31a513027be> in <module>()
     31 
     32 sub_model = Prophet(interval_width=0.95)
---> 33 sub_model.fit(df1)
     34

然后我收到以下错误：

 INFO:fbprophet.forecaster:n_changepoints greater than number of observations.Using 18.0.

我的年月日专栏中是否有任何与先知功能冲突的错误？

更新：Vasil建议，第一个解决方案是将日期列名称更改为“ds”，将变量列更改为“y”。

现在，出现错误消息：

# the history.
hist.size <- floor(nrow(m$history) * .8)
if (m$n.changepoints + 1 > hist.size) {
  m$n.changepoints <- hist.size - 1
  message('n.changepoints greater than number of observations. Using ',
          m$n.changepoints)
}

这就是这个功能：

n_changepoints

更新：第二个问题解决了添加由alec_djinn建议的Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`. 参数

最后一个问题是第二条消息：

$(window).scroll(function() {

    if ($(this).scrollTop() > 170){
        $('.header').addClass('sticky');
    }

    else{
        $('.header').removeClass('sticky');
    }

});

Answer 1

默认情况下，先知假设您有每日数据。在你的情况下，它是每月一次。

如果您想预测月度数据，您应该写下这样的内容：

sub_model  = Prophet(weekly_seasonality=False, daily_seasonality=False).fit(df1)
future = sub_model.make_future_dataframe(periods=1, freq='M')
fcst = sub_model.predict(future)

另一个重点是你传入phrophet的列的名称。您的日期列必须命名为＆＃39; ds＆＃39;并且您要预测的变量列必须是＆＃39; y＆＃39;