饱和预测

预测增长

默认情况下，Prophet使用线性模型进行预测。在预测增长时，通常会有一些最大可实现点：市场总规模、人口总规模等。这就是所谓的承载力，预测应该在这个点达到饱和。

Prophet允许你使用logistic growth趋势模型进行预测，并有指定的承载能力。我们用维基百科上R(编程语言)页面的访问对数来说明。

# Rdf <- read.csv('../examples/example_wp_log_R.csv')

# Pythondf = pd.read_csv('../examples/example_wp_log_R.csv')

我们必须在 cap一栏中指定承载能力。在这里，我们将假定一个特定的值，但这通常是利用市场规模的数据或专业知识来设定的。

# Rdf$cap <- 8.5

# Pythondf['cap'] = 8.5

需要注意的是，必须为dataframe中的每一行指定 cap。它不一定是常数。如果市场规模在增长，那么cap可以是一个递增序列。

然后，我们像之前一样拟合模型，只是传递一个额外的参数来指定logistic growth。

# Rdf$cap <- 8.5

# Pythondf['cap'] = 8.5

我们像之前一样，为未来的预测做一个dataframe ，只是我们还必须指定未来的容量。在这里，我们将容量保持在与历史相同的值，并预测未来5年。

# Rfuture <- make_future_dataframe(m, periods = 1826)future$cap <- 8.5fcst <- predict(m, future)plot(m, fcst)

# Pythonfuture = m.make_future_dataframe(periods=1826)future['cap'] = 8.5fcst = m.predict(future)fig = m.plot(fcst)

png

ogistic function的隐含最小值为0，并将在0处达到饱和，与在容量处达到饱和的方式相同。也可以指定一个不同的饱和最小值。

饱和最小值

logistic growth模型还可以处理饱和最小值，用 floor列指定，与 cap列指定最大值的方式相同。

# Rdf$y <- 10 - df$ydf$cap <- 6df$floor <- 1.5future$cap <- 6future$floor <- 1.5m <- prophet(df, growth = 'logistic')fcst <- predict(m, future)plot(m, fcst)

# Pythondf['y'] = 10 - df['y']df['cap'] = 6df['floor'] = 1.5future['cap'] = 6future['floor'] = 1.5m = Prophet(growth='logistic')m.fit(df)fcst = m.predict(future)fig = m.plot(fcst)

png

要使用最小饱和的logistic growth trend，还必须指定最大容量。