Prophet R 언어 에서 시간 시퀀스 데이터 예측

링크: http://tecdat.cn/?p=7327
[]( http://tecdat.cn/?p=7327)  
당신 은 Prophet (R 에서) 를 어떻게 사용 하여 흔히 볼 수 있 는 문 제 를 해결 하 는 지 배 울 것 입 니 다. 회사 의 내년 일 일 주문 을 예측 할 것 입 니 다. 
 
데이터 준비 및 탐색
선지 자 는 매일 정기 데이터 와 최소 1 년 의 역사 데이터 에 가장 적합 합 니 다. 우 리 는 매일 예측 해 야 할 데 이 터 를 SQL 로 처리 할 것 입 니 다. `**select**``date,**value****from**modeanalytics.daily_orders**order****by**date`
현재, 우 리 는 매일 데이터 가 있 습 니 다. 우 리 는 SQL 조회 결과 집합 을 파 이 프 를 통 해 R 노트북 의 R 데이터 상자 대상 에 전달 할 수 있 습 니 다. 우선, SQL 조 회 를 Daily Orders 로 이름 을 바 꿀 수 있 습 니 다. 그리고 R 에 서 는 다음 문 구 를 사용 하여 조회 결 과 를 데이터 프레임 df 에 전송 할 수 있 습 니 다.**df**
데이터 상자 에 관측 값 이 얼마나 포함 되 어 있 는 지 빠르게 알 기 위해 다음 문 구 를 실행 할 수 있 습 니 다.# Retreive dimension of object**dim**(df)
Prophet 는 항상 DataFrame 에 날짜 와 수 치 를 포함 하 는 두 열 을 입력 하 기 를 원 합 니 다. ds  y,
이 예제 에서 수 동 클래스 변환 이 필요 합 니 다.# Inspect variables**str**(df)
데이터 상자 의 열 이 정확 한 클래스 인지 확인 하면 # Parse date column**df** 데이터 상자 에 새 열 을 만 들 수 있 습 니 다. 이 열 은 date 열의 정확 한 복사 본 이 고 새 열 ds 은 value 열의 정확 한 복사 본 입 니 다.y
그리고 이 df 열의 용 도 를 다시 조정 하여 데이터 상자 로 사용 할 수 있 습 니 다.
현재 Prophet 와 함께 사용 할 데이터 가 준비 되 어 있 습 니 다. Prophet 에 데 이 터 를 입력 하기 전에 그림 을 그리고 데이터 의 외관 을 검사 하 는 것 이 좋 은 습관 입 니 다. 
​
 

2017 년 5 월 께 트 렌 드 궤적 에 뚜렷 한 변화 가 있 었 고, 기본적으로 Prophet 에 서 는 이러한 것 이 자동 으로 감지 됐다 "고 말 했다.  추세 변화 점  ”，추 세 를 적 절 히 조정 할 수 있 도록 허용 한다. 선지 자 들 은 이들 추세 변화 점 의 식별 을 더욱 세밀 하 게 통제 할 수 있다.

매주 와 매년 뚜렷 한 계절 성 을 가진다. 시간 서열 이 두 주기 이상 길 면 선지 자 저절로 는 매주 와 매년 계절 성에 적응한다.

우리 의 관찰 결과 의 평균치 와 방 차 는 시간 에 따라 증가한다. 

Box - Cox 변환
일반적으로 예측 에서 귀 하 는 특정한 유형의 멱 변환 을 명확 하 게 선택 하여 데이터 에 응용 하여 소음 을 제거 한 다음 에 데 이 터 를 예측 모델 에 입력 합 니 다 (예 를 들 어 대수 변환 이나 제곱 근 변환 등). 그러나 어떤 출력 이 귀하 에 게 적합 한 데 이 터 를 바 꾸 는 지 확인 하기 어 려 울 수도 있 습 니 다. 
Box - Cox 변환 은 Lambda 계 수 를 평가 하 는 데이터 변환 입 니 다 (λ）최 적 정태 성 근사 치 를 실현 할 수 있 는 값 을 선택한다.
 
만약 에 우리 가 새로 변환 한 데 이 터 를 변환 되 지 않 은 데이터 와 함께 그리 면 Box - Cox 변환 은 시간 변화 에 따라 관찰 한 많은 증가 하 는 분산 을 없 앨 수 있 습 니 다.
​
예측 하 다.
Prophet 가 Box - Cox 를 통 해 변 환 된 데이터 집합 적합 모델 을 사용 하면 현재 미래 날 짜 를 예측 할 수 있 습 니 다.  현재 우 리 는 이 date 함 수 를 사용 하여 미래 데이터 프레임 의 모든 줄 을 예측 할 수 있다.predict()
이 때 Prophet 는 예측 변수 에 분 배 된 새로운 데이터 상 자 를 만 들 것 입 니 다. 그 중에서 열 거 된 미래 날짜 의 예측 치 **forecast** 와 불확실 성 간격 과 예측 의 구성 부분 을 포함 합 니 다.yhat
우리 의 예시 에서 우리 의 예측 은 다음 과 같다.
​
각 예측 구성 요 소 를 시각 화 하려 면 Prophet 의 내장 plot(m, forecast) 기능 을 사용 할 수 있 습 니 다. plot_components 우리 의 예제 데이터 에서 실행 하면 다음 구성 요소 의 시각 화 를 되 돌려 줍 니 다.
​
​
예측 과 구성 요소 시각 화 에 따 르 면 Prophet 는 데이터 의 잠재 적 인 추 세 를 정확하게 모델 링 할 수 있 고 매주 와 매년 의 계절 성 (예 를 들 어 주말 과 공휴일 의 주문량 이 비교적 낮다) 을 정확하게 모델 링 할 수 있다.
역 박스 - Cox 변환
Box - Cox 변환 에 사 용 된 데 이 터 를 미리 알 고 있 기 때문에 예측 값 을 원래 단위 로 변환 해 야 합 니 다. 새로운 예측 값 을 원래 단위 로 변환 하려 면 Box - Cox 역 변환 을 실행 해 야 합 니 다.
현재, 당신 은 예측 치 를 원시 단위 로 바 꾸 었 습 니 다. 현재 예측 치 를 과거 값 과 함께 시각 화 할 수 있 습 니 다.
​