Llegamos a ustedes gracias a:



Noticias

Facebook lanza 'Prophet' para Python y R

El código está disponible en GitHub.

[08/03/2017] Facebook ha puesto como código abierto su herramienta de pronóstico Prophet, diseñada "para que sea más fácil para los expertos y no expertos hacer pronósticos de alta calidad, de acuerdo a una entrada de blog de Sean J. Taylor y Ben Letham del equipo de investigación de la empresa. "Los pronósticos son personalizables en formas que son intuitivas para los usuarios no expertos, escribieron.

El código está disponible en GitHub en Python y R.

Conjunto de muestra de las tendencias y estacionalidad en Prophet de Facebook en R.

Prophet está dirigido específicamente a los problemas de negocios tales como la planificación de la capacidad de infraestructura de las computadoras que tienen al menos varios meses de datos (preferentemente un año o más) y cuestiones tales como la estacionalidad, "feriados que pueden afectar las tendencias (como el Viernes Negro y el Ciber Lunes para los minoristas) y los eventos que pueden tener impactos significativos (por ejemplo, lanzar un nuevo sitio web cuando se trata de predecir el tráfico del sitio). Prophet también puede manejar algunos valores perdidos y atípicos, afirmó la entrada del blog.

Facebook sugiere probar Prophet con las vistas de página de una página de Wikipedia, datos que está actualmente disponibles en tools.wmflabs.org/pageviews. En R, los datos deben configurarse de tal forma que tengan dos columnas: una llamada ds que contiene las fechas y la otra con datos numéricos. La muestra -que pronostica las páginas vistas para la página de Wikipedia de Peyton Manning- había cambiado los datos numéricos en una escala logarítmica con la función log() de R. Pasos básicos de los pronósticos de Prophet:}

Un comando como my_model <- prophet(mydata) se adapta a un modelo;

my_future < -make_future_dataframe(my_model, periods = 365) comienza un cuadro de datos con una columna de fecha apropiado tanto para el pasado como para las fechas a ser precedidas;

my_forecast <- predict(my_model, my_future_df) genera el pronóstico;

plot(my_model, my_forecast) visualiza el pronóstico; y

prophet_plot_components(my_model, my_forecast) grafica las tendencias y los componentes estacionales del pronóstico.

Para incluir los feriados y otros eventos especiales, crearía un nuevo marco de datos con una columna ds para las fechas y una columna de feriados con el nombre del feriado. Esa información puede incluirse en el modelo inicial con my_model <- Prophet(my_data, holidays = my_holidays). Hay más sobre los feriados en Prophet en la documentación.

Prophet se construyó usando Stan, un lenguaje de programación de probabilidades que se conecta con varias plataformas populares de analítica como MATLAB y Stata además de Python y R.