了解 fbprophet cross_validation

Question

我能够执行交叉验证来评估模型的准确性，但我无法理解输出。

我有 687 行，我想根据我的所有数据训练模型，以获得可能的最佳预测并测量该模型的准确性。据我了解，fbprophet 不需要分成训练集和测试集。

对于交叉验证，我将初始设置为 500 天（模型在进行预测之前要学习的天数？），范围设置为 20（每次剪切后要预测的天数。），以及周期设置为 10（因为我读到这应该是地平线的一半）。

from fbprophet.diagnostics import cross_validation
df_cv = cross_validation(m, initial='500 days', period='10 days', horizon = '20 days')
df_cv.head()

Output cross_validation

from fbprophet.diagnostics import performance_metrics
df_p = performance_metrics(df_cv)
df_p

Output performance metrics

我有 17 个截止点，每个截止点有 20 个预测。输出 2 代表什么？因为我有 19 条线（从地平线 2 到地平线 20）。

我在性能指标方面遇到问题，具体覆盖范围是多少？这些值是多少，因为所有 17 个预测的平均绝对误差不应该相同，对吧？

Answer 1

正如Prophet documentation 中所述，对于交叉验证，您有 3 个参数：

• initial – 训练周期长度（模型的训练集大小）
• period – 截止日期之间的间隔。截止点用于切割历史数据，并且对于每个交叉验证，仅使用截止点的数据拟合模型。您可以将其视为训练期的班次大小
• 地平线 - 预测周期长度

默认情况下，初始训练周期设置为视野的三倍，并且每半个视野进行一次截断。初始周期应该足够长，以捕捉模型的所有组成部分，尤其是季节性。

拥有df_cv = cross_validation(m, initial='500 days', period='10 days', horizon = '20 days')，交叉验证将执行以下步骤：

1. 在初始阶段（1-500 天）拟合模型
2. 未来预测（500-520 天）
3. 从时间序列开始截断 period-length 天数（10 天，相当于将训练周期移动 10 天）
4. 在初始大小的训练数据上拟合模型，但从截止（10-510 天）开始
5. 未来预测（510-530 天）

... 以此类推，直到我们到达时间序列的末尾。在您的情况下，它是 17 次迭代。

在附加的Output cross_validation中可以看到：

• ds – 预测日期
• yhat – 预测值
• yhat_lower & yhat_upper - 不确定区间
• y - 实际值
• cutoff – 截止日期

在输出性能指标中，您可以查看对未来 X 天所做预测的指标值。例如，在第一行（地平线 = 2 天）中，您可以看到未来 2 天的预测指标。

覆盖率是指趋势和观察噪声中的不确定区间（yhat_lower 和 yhat_upper 估计值）。