Prophet

Prophet : Trend, Seasonality, Holiday

y(t)=g(t)+s(t)+h(t)+ϵi

 

•  g(t) : piecewise linear or logistic growth curve for modelling non-periodic changes in time series 
  시계열의 비 주기적 변화를 모델링하기 위한 부분적 선형 또는 로지스틱 곡선
• s(t) : periodic changes (e.g. weekly/yearly seasonality)
  주기적 변화
• h(t) : effects of holidays (user provided) with irregular schedules
  일정이 불규칙한 휴가들
• ϵi : error term accounts for any unusual changes not accommodated by the model
  모델에서 수용하지 않는 비정상적인 변화들

위에서 Trend 를 구성하는g(t)함수는 주기적이지 않은 변화인 트렌드를 나타낸다. 부분적으로 선형 또는 logistic 곡선으로 이루어져 있다. 그리고 Seasonality 인 s(t)함수는 weekly, yearly 등 주기적으로 나타나는 패턴들을 포함한다. Holiday를 나타내는h(t) 함수는 휴일과 같이 불규칙한 이벤트들을 나타냅니다. 만약 특정 기간에 값이 비정상적으로 증가 또는, 감소했다면, holiday로 정의하여 모델에 반영할 수 있다. 마지막으로_ ϵi _는 정규분포라고 가정한 오차이다.

 

 

hyperparameter

 

1. Trend

ParameterDescription

changepoints	트렌드 변화시점을 명시한 리스트값 이미 변화시점을 알고있다면 파라미터를 추가해 더 정확한 결과를 얻을 수 있다.
changepoint_prior_scale (default = 0.05)	changepoint(trend) 의 유연성 조절 값이 커질수록 트렌드를 유연하게 감지하지만 과적합 위험이 있다.
n_changepoints	changepoint 의 개수
changepoint_range	changepoint 설정 가능 범위. (기본적으로 데이터 중 80% 범위 내에서 changepoint를 설정합니다.)

 

2. Seasonality

ParameterDescription

yearly_seasonality	연 계절성  default = 10 : 값이 커질수록 유연해지고 과적합 위험
weekly_seasonality	주 계절성  default = 10
daily_seasonality	일 계절성
seasonality_prior_scale	계절성 반영 강도
seasonality_mode	‘additive ‘ 인지 ‘multiplicative’ 인지

• 파라미터에 없는 monthly seasonality 추가하기

m.add_seasonality(name='monthly', period=30.5, fourier_order=5)

• Additive Seasonality : Time series = Trend + Seasonality + Error
• Multiplicative Seasonality : Time series = Trend * Seasonality * Error

 

3. holiday

ParameterDescription

holidays	휴일 또는 이벤트 기간을 명시한 데이터프레임
holiday_prior_scale	holiday 반영 강도

• m.add_country_holidays(country_name=’국가코드’)로 간단하게 국가 공휴일을 불러올 수도 있다. 하지만 모든 국가의 공휴일이 있는건 아님