Prophet
名称：自动预测过程版本：0.2.1
日期：2017-11-08
描述：实现了一个时间序列的预测过程，基于能够拟合年度、周等周期以及假期等因素的非线性趋势的加法模型。模型要求至少一年以上的周期性历史数据。prophet模型对于缺失值、趋势突变以及大量离群点的数据有较好的鲁棒性。
平台：R（3.2.3以上版本），Rcpp（0.12.0以上版本）
载入包： dplyr, extraDistr, ggplot2, grid, rstan, scales， stats， tidyr
作者： Sean Taylor [cre, aut] , Ben Letham[aut]
主要联系人：Sean Taylor <[email protected]>
----------------------------------------------------------------------------------------------------------
下面是分别介绍包中方法的具体使用，共12个方法：
（七）add_regressor —— 在原数据框中增加一列解释变量用于拟合和预测
方法描述：原数据框中会增加一列作为解释变量，当参数standardize='auto'时，这个解释变量将会被标准化（除非它是二进制），给定浮动比例参数时回归系数也就确定了，降低浮动比例会产生较大的调整，当不指定浮动比例时，默认为holidays.prior.scale的值。
用法：
add_regressor ( m, name, prior.scale = NULL, standardize = 'auto' )
参数说明：
m Prophet预测对象
name 解释变量的名字，字符串
prior.scale 对历史数据的浮动比例，不指定时默认选择holidays.prior.scale的值
standardize 布尔值，指明拟合之前是否需要标准化，‘auto’，True，False
输出值：
增加解释变量的prophet模型
（八）add_seasonality —— 在原数据框中增加一个特定时间段季节因素
方法描述：增加傅里叶成分的数量会使季节性的变化更快（有过拟合的风险），默认情况下，年和周的季节性参数值分别取10和3.
用法：
add_seasonality ( m, name, period, fourier.order, prior.scale = NULL )
参数说明：
m Prophet预测对象
name 季节成分名称，字符串
Period 一个时间段中的天数
fourier.order 傅里叶成分的个数
prior.scale 对历史数据的浮动比例 ，增大浮动比例参数的值将会使得季节因素更有弹性，不指定参数值时，使用seasonality.prior.scale的值（默认为10）
输出值：
增加季节因素的prophet模型
（九）cross_validation —— 时间序列的交叉验证
描述：将原始数据集分成若干个部分，计算预测值进行交叉验证
用法：
cross_validation ( model, horizon, units, period = NULL, initial = NULL )
参数说明：
model 拟合的Prophet模型
horizon 范围，整数大小
units 单位，字符串，如‘days’，‘secs’
period 各个集的大小，若不指定，值默认选择0.5*horizon
输出值：
数据框，包含预测值、实际值、划分点
（十）fit.prophet —— 拟合prophet模型
描述：这个方法设置prophet模型中的m$params特征包含拟合的参数，参数列表包括以下元素：k (M数组)：M个初始斜率的后验样本；m(M数组)：初始截距；delta(M*N矩阵)：在每N个变点处斜率发生变化；beta(M*K矩阵)：K个季节特征的系数；sigma_obs(M数组)：噪声水平。注意，最大后验概率(MAP)估计时，M=1
用法：
fit.prophet ( m, df , … )
参数说明：
m Prophet对象
df 数据框
units 单位，字符串，如‘days’，‘secs’
period 各个集的大小，若不指定，值默认选择0.5*horizon
输出值：
数据框，包含预测值、实际值、划分点
（十一）predictive_samples —— 后验预测样本
描述：后验预测样本
用法：
predictive_samples ( m, df )
参数说明：
m Prophet模型对象
df 包含预测日期（column ds），逻辑增长时需要容量（column cap），如果不指定则在历史数据基础上预测 【make_future_dataframe()返回的数据框】
输出值：
返回一个列表，项目有‘trend’、‘seasonal’和‘yhat’，后验预测样本产生的结果，‘seasonal’是所有季节效应的叠加、节假日、其他解释变量。
（十二）simulated_historical_forecasts —— 模拟历史预测
描述：从k个历史截断点进行预测，后向预测（从最后开始）以每个截断点间的距离为跨度。
用法：
simulated_historical_forecasts (model, horizon, units, k, period = NULL)
参数说明：
model 拟合的Prophet预测模型
horizon 整型，时间范围
units 字符串，时间范围的单位，如“day”，“secs”
k 整型，预测点数
period 时间段，截断日期之间的时间跨度，单位同上，默认选择0.5*horizon
输出值：
返回一个数据框，包含预测值、实际值和截断日期。