解释Prophet输出的每周和年度季节性

Question

我正在学习在R中使用prophet的教程。

您可以在以下位置找到数据集：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，forecast)的输出如下：

​

​

我是否将年度季节性部分的曲线图解释为：

不管你对某个特定日期的预测是什么，增加或减少某某的数量来考虑每年的季节性？例如，它看起来像是在4月1日，y预期为-0.5。如何使用此结果？我是否将一年的平均值y减去-0.5以考虑季节性？有点迷惑。

任何帮助都是最好的！

Answer 1

@Nick Prophet predict()函数具有以下语法：

temp_dataframe_to_store_prediction <- predict(model_name, new_dataframe_created)

在您的案例中：

forecast <- predict(m, future)

来自predict()函数的预测或预测包括每一行的趋势和季节性，即每个time_stamp。因此，您不需要在最终预测值中包含或排除季节性的任何单独代码行。您的解释是正确的，即最终预测值是通过将季节性和趋势性的(+/-)值与固定的"y“值相加而获得的。请注意，prophet在您的代码中使用的"y“值是log(original_y)

 mutate(y = log(y))

这一行使original_y值固定。因此，为了解释最终结果，您需要取预测的"y“值的指数。这将使预测恢复到原始规模。如果original_y没有被转换，则不需要取指数。