我正在为x1, x2, x3的组合构建数据集并训练独特的模型。认为：
prophet1 <- fit.prophet(data.frame(ds, y, x1))
prophet2 <- fit.prophet(data.frame(ds, y, x2, x3))
prophet3 <- fit.prophet(data.frame(ds, y, x3))
然后，我将每个模型的x1，x2，x3设置为零，并在未引入该变量的情况下评估其对y的影响。我的问题是-有什么方法可以从模型对象中判断出先知1中的x1是否贡献了先知2中的x2 + x3而不显式预测数据帧？即-我们是否可以仅通过查看生成的模型来判断将x1设置为零是否会使y大于x2 + x3设置为y？ x1是否具有比x2 + x3高的回归系数，并且因此变化y多？
我正在四处搜寻，发现了这一点：
model$param$k; // Base trend growth rate
model$param$m; // Trend offset
model$param$sigma_obs; // Observation noise
model$param$beta; // Regressor coefficients
Source: https://github.com/facebook/prophet/issues/501
如果将x1，x2和x3放在同一数据框中并评估y，则可以通过查看beta值来评估此系数。但是-如果它们位于不同模型的单独数据框中，我不知道如何找出答案。
但是相对于difference between y and predictions had the variable set to zero绘制sumβ，k，m或sigma_obs根本没有任何关系。是否有可能从先知模型中提取用于y建模的变量有多重要/先知是否相信这种影响是积极的/消极的？如果是这样的话;我该怎么办？