Python Prophet 模型 Changepoint 自定义高级技巧

Python Prophet 模型 Changepoint 自定义高级技巧

大家好！今天咱们来聊聊 Prophet 时间序列预测模型里一个很重要的概念——Changepoint（突变点）。相信各位高级 Python 开发者在使用 Prophet 的过程中，一定遇到过需要对模型进行更精细控制的场景，而 Changepoint 的自定义就是其中非常关键的一环。

什么是 Changepoint？

简单来说，Changepoint 就是时间序列数据中趋势发生显著变化的点。Prophet 模型的核心思想之一就是自动检测这些 Changepoint，并根据它们来拟合未来的趋势。例如，一个电商网站的销售额可能在“双十一”期间出现一个明显的 Changepoint，因为促销活动导致了销售额的激增。Prophet 模型会自动识别出这个突变点，并调整预测模型。

为什么需要自定义 Changepoint？

Prophet 默认的 Changepoint 自动检测机制在大多数情况下都能很好地工作，但在某些特定场景下，我们可能需要手动干预，原因可能有以下几点：

1. 领域知识： 你可能比 Prophet 更了解你的数据。例如，你知道某个特定的日期会发生一个重大事件，这个事件会对你的数据产生影响，那么你就可以手动指定这个日期为一个 Changepoint。
2. 模型调整： Prophet 自动检测到的 Changepoint 可能过多或过少，导致模型过拟合或欠拟合。你可以通过自定义 Changepoint 来调整模型的灵敏度。
3. 特殊需求： 你可能希望模型只关注某些特定的 Changepoint，而忽略其他 Changepoint。例如，你可能只关心季节性的变化，而忽略短期波动。

如何自定义 Changepoint？

Prophet 提供了多种自定义 Changepoint 的方法，下面我们一一介绍。

1. 指定 Changepoint 的数量 (n_changepoints)

Prophet 默认会自动检测 25 个 Changepoint。你可以通过 n_changepoints 参数来改变这个数量。例如，如果你希望模型只检测 10 个 Changepoint，可以这样做：

from prophet import Prophet
 
# 假设 df 是你的时间序列数据，包含 'ds' (日期) 和 'y' (值) 列
model = Prophet(n_changepoints=10)
model.fit(df)

注意： 减少 n_changepoints 可以使模型对趋势变化不那么敏感，增加 n_changepoints 则会使模型更加敏感。需要根据实际情况进行调整。

2. 指定 Changepoint 的范围 (changepoint_range)

Prophet 默认会在时间序列的前 80% 的数据中检测 Changepoint。你可以通过 changepoint_range 参数来改变这个范围。例如，如果你希望模型只在前 60% 的数据中检测 Changepoint，可以这样做：

model = Prophet(changepoint_range=0.6)
model.fit(df)

注意： 减小changepoint_range 可以避免模型对近期数据的波动过于敏感。

3. 指定 Changepoint 的先验尺度 (changepoint_prior_scale)

changepoint_prior_scale 参数控制了模型对 Changepoint 的敏感程度。值越大，模型越容易检测到 Changepoint；值越小，模型越不容易检测到 Changepoint。Prophet 默认值为 0.05。你可以根据实际情况进行调整。
例如：希望模型对突变点更迟钝一些：

model = Prophet(changepoint_prior_scale=0.01) 
model.fit(df)  

4. 手动指定 Changepoint 的位置 (changepoints)

这是最直接的自定义 Changepoint 的方法。你可以通过 changepoints 参数传入一个包含日期列表，指定你希望模型考虑的 Changepoint。例如：

model = Prophet(changepoints=['2023-01-01', '2023-07-01'])
model.fit(df)

注意： 使用此方法时，Prophet 将不会自动检测 Changepoint，而只会使用你指定的 Changepoint。

5. 灵活调整 Changepoint: 使用自定义函数 (changepoint_func)

从版本 1.1 开始，Prophet 提供了一个强大的新功能：changepoint_func。这个参数允许你传入一个自定义函数，该函数将决定哪些点可以作为 Changepoint。这给了你极大的灵活性。

假设你有一个更复杂的业务逻辑，例如只考虑每周一为潜在的 Changepoint, 可以用自定义函数来实现。

import pandas as pd
 
def only_mondays(ds):
    date = pd.to_datetime(ds)
    if date.weekday() == 0:
        return 1
    else:
        return 0
 
model = Prophet(changepoint_func=only_mondays)
model.fit(df) #df 依然是包含ds和y的dataframe
 
future = model.make_future_dataframe(periods=365)
future['changepoint_value'] = future['ds'].apply(only_mondays) #一定要在future dataframe中应用.
forecast = model.predict(future)

上面这段代码, only_mondays 函数会判断一个日期是否为星期一，如果是，则返回 1，否则返回 0。Prophet 会根据这个函数的返回值来决定是否将该点作为 Changepoint。

注意：

• 你需要为 future DataFrame 应用同样的逻辑。Prophet 需要知道预测期间哪些点可以作为 Changepoint。
• changepoint_func 的返回值应该是 0 或 1。1 表示该点可以作为 Changepoint，0 表示不可以。
• 结合changepoint_range等其他参数，实现更精细的控制.

案例分析：电商销售额预测

假设我们有一家电商网站的销售额数据，我们需要预测未来一年的销售额。我们知道该网站每年都会在“双十一”和“618”期间进行大型促销活动，这会导致销售额的显著增长。我们可以利用 Prophet 的 Changepoint 自定义功能来提高预测的准确性。

import pandas as pd
from prophet import Prophet
 
# 加载数据
df = pd.read_csv('sales_data.csv')
 
# 将日期列转换为 datetime 类型
df['ds'] = pd.to_datetime(df['ds'])
 
# 创建 Prophet 模型，并手动指定 Changepoint
model = Prophet(changepoints=['2023-06-18', '2023-11-11', '2024-06-18', '2024-11-11'])
 
# 拟合模型
model.fit(df)
 
# 构建未来一年的日期 DataFrame
future = model.make_future_dataframe(periods=365)
 
# 进行预测
forecast = model.predict(future)
 
# 查看预测结果
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())
 
# 可以绘制图形来查看预测结果
fig = model.plot(forecast)

在这个例子中，我们手动指定了“双十一”和“618”的日期作为 Changepoint。Prophet 模型会根据这些 Changepoint 来拟合未来的趋势，从而更准确地预测销售额。

总结与最佳实践

自定义 Changepoint 是 Prophet 模型调优的重要环节。通过合理地使用上述方法，你可以显著提高模型的预测准确性。以下是一些最佳实践：

1. 了解你的数据： 在自定义 Changepoint 之前，花时间分析你的数据，了解数据的特点和潜在的 Changepoint。
2. 从默认设置开始： 不要一开始就手动指定 Changepoint。先使用 Prophet 的默认设置，看看效果如何。如果效果不好，再考虑自定义 Changepoint。
3. 逐步调整： 不要一次性进行 drastic 的改变。逐步调整 n_changepoints、changepoint_range 和 changepoint_prior_scale 参数，观察模型的变化。
4. 使用交叉验证： 使用交叉验证来评估不同 Changepoint 设置的效果，选择最佳的设置。
5. 结合领域知识： 将你的领域知识与 Prophet 的 Changepoint 自定义功能结合起来，可以获得更好的预测效果。
6. 善用changepoint_func：对于复杂的业务逻辑，使用自定义函数可以大大提高灵活性和准确性。

希望这篇文章能帮助你更好地理解和使用 Prophet 的 Changepoint 自定义功能。如果你有任何问题或建议，欢迎留言讨论！咱们下期再见！