我觉得这更像是一个基本的 python 问题,但我正在努力寻找有关如何引用这些加性回归组件的答案。
FB Prophet 文档说要构建一个参数网格,其中包含您想要迭代地传递到模型中的所有设置配置,以确定产生最小错误量的组合,我已经(部分地)这样做了:
param_grid = {
'changepoint_prior_scale': [[0.005, .01, 0.05, 0.5, 1, 5, 10, 20, 30, 40, 50, 60, 70, 80 ,90, 100],
'changepoint_range': [0.8, 0.9],
'holidays_prior_scale':[[0.005, .01, 0.05, 0.5, 1, 5, 10, 20, 30, 40, 50, 60, 70, 80 ,90, 100]],
'seasonality_mode': ['multiplicative', 'additive'],
'growth': ['linear', 'logistic'],
}
Facebook 文档在这里供参考:https ://facebook.github.io/prophet/docs/diagnostics.html#hyperparameter-tuning
该文档仅说明了如何对标准 python 模型功能进行超参数调整,没有示例说明如何为 Prophet 模型支持的“添加”回归功能传递迭代参数。
这是我的相关代码的示例:
M = Prophet(
growth='linear',
#interval_width=0.80,
seasonality_mode= 'multiplicative',
daily_seasonality=False,
weekly_seasonality=False,
yearly_seasonality=False,
holidays=Holidays
).add_seasonality(
name='monthly',
period=30.5,
fourier_order=50,#25
prior_scale=20
).add_seasonality(
name='daily',
period=1,
fourier_order=70,#25
prior_scale=20
).add_seasonality(
name='weekly',
period=7,
fourier_order=50,
prior_scale=60
).add_seasonality(
name='yearly',
period=365.25,
fourier_order= 30)
我想知道如何在我的参数网格中适当地引用诸如“Monthly Fourier_Order”和“Monthly Prior_Scale”之类的内容。我试过 Monthly.fourier_order 并没有用。
我假设这可能是一个基本的 python 引用问题与 Prophet 特定的问题。我只是不确定如何正确引用这些附加功能。
任何帮助,将不胜感激。