我正在尝试为此处发布的大约 2 年的日期时间数据拟合曲线，并预测一年的 5 分钟间隔。我正在使用带有此输入数据的Facebook Prophet。

无论我是进行线性拟合还是逻辑拟合，我都会得到一些比任何输入值更大或更小的离谱值（线性模型甚至会产生负值）。我试图利用逻辑模型来指定底限和上限，但这也没有阻止异常数字。

例如，在输出的 105120 条预测记录中，有 25131 条低于指定的下限。有人可以告诉我我做错了什么吗？或者，如果有预期的行为我没有正确解释？

我一直在玩先知。我对 Python 很陌生。无论如何，由于某种原因，当我绘制我的预测时，它在一开始就放置了 1970 年的 30 行日期。我的约会要到 2016 年才开始。我肯定在某个地方搞砸了。我真的只想从 2016 年到 2021 年。它不应该从数据框中的最早日期开始吗？

这是我的自大情节。我错过了一些明显的东西吗？感谢您的帮助！

顶起的情节

信息：fbprophet.forecaster：禁用每日季节性。使用 daily_seasonality=True 运行先知来覆盖它。初始对数联合概率 = -2.46502 Iter log prob ||dx|| ||毕业|| alpha alpha0 # evals 注释 99 402.571 0.000207143 101.815 0.9661 0.9661 136

迭代日志概率 ||dx|| ||毕业|| alpha alpha0 # evals 注释 199 402.966 1.93889e-06 74.3745 0.2165 0.7593 282

迭代日志概率 ||dx|| ||毕业|| alpha alpha0 # evals 注释 217 402.968 8.45346e-06 60.1757 1.2e-07 0.001 339 LS 失败，Hessian 重置 247 402.968 1.74976e-08 64.7367 0.2863 0.2863 382

优化正常终止：检测到收敛：相对梯度幅度低于容差

这个输出是为我而来的。请帮忙。

我有几个半小时的数据。它的形式是：

我想预测未来 24 小时（即 48 个半小时）。我的代码似乎给出了比这更长的预测。见情节：

这里是：

我没有make_future_dataframe正确设置方法吗？

我是新手，R我遇到了一个问题。我已经使用Prophet包来预测值，但由于我不明白的模糊原因它不起作用。

这是我的代码：

一切都在工作，直到这行代码

错误如下：

有人知道为什么吗？

先感谢您

我正在尝试使用 Pip install 为 Python 安装 fbprophet，但失败了。我已经安装了 Pystan。

我可以使用 Anaconda Navigator 导入它吗？

有人可以帮忙吗。

fbprophet 的构建轮失败

我正在使用Prophet来检测日常销售数据中的重大变化点。

我想在每周或 2 周结束时知道是否有新的变更点候选人出现在最近的时间范围内。但是 Prophet 只将候选变化点放在前 80%，所以我必须将数据限制在 5-10 周之久，这会扼杀季节性信息。

只使用前 80% 的数据的理由是什么？尝试增加所描述案例的数量是否合理？有什么方法可以做到这一点？

提前致谢！

我正在尝试使用先知包来预测时间序列：

首先，我将月份和日期合并为一列：

df1['Date'] = pd.to_datetime(df1.Ano.astype(str) + '-' + df1.Meses.astype(str))

我的数据框：

然后我尝试使用以下功能：

然后我收到以下错误：

我的年月日专栏有什么问题与先知功能冲突吗？

更新：正如 Vasil 建议的那样，第一个解决方案是将日期列名称更改为“ds”，将变量列更改为“y”。

现在，出现错误消息：

指的是这个函数：

更新：第二个问题已解决，添加n_changepointsalec_djinn 建议的参数

最后一个问题是第二条消息：

我有一个用 xarray 读取的 netCDF 文件。该数组包含时间、纬度、经度和只有一个数据变量（即索引值）

到目前为止，一切都很好。现在我需要对数组中的每个网格单元应用一个广义的加法模型。我想使用的模型来自 Facebook Prophet ( https://facebook.github.io/prophet/ )，我之前已经成功地将它应用于 pandas 数据数组。例如：

问题是现在我必须 1) 遍历 netCDF 文件的每个单元格，2) 通过时间获取该单元格的所有值，3) 应用 GAM（使用 fbprophet），然后导出并绘制结果。

问题：您对如何遍历栅格有任何想法，始终获取每个像素的 index_values 以便我可以运行 GAM？我认为嵌套的 for 循环是可行的，尽管我不知道如何制作一个遍历每个单元格的循环。

任何帮助表示赞赏

我希望我的先知模型能够预测接下来 24 小时内每 10 分钟间隔的值（例如 24*6=144 值）。

假设我已经在一个巨大的（超过 900k 行）.csv文件上训练了一个模型，其中样本行是......

...

所以我打电话mode.fit(huge_df)并等待 1-2 秒来接收 144 个值。

然后一个小时过去了，我想在给定新数据（6 行）的情况下调整以下 (144 - 6) 138 个值的预测。

我怎样才能调整我现有的先知模型而不必再次打电话 mode.fit(huge_df + live_df)等待几秒钟？我希望能够打电话mode.tune(live_df)并获得即时预测。