NeuralProphet之一：安装与使用

NeuralProphet之一：安装与使用

论文PDF：NeuralProphet: Explainable Forecasting at Scale
文档地址：https://neuralprophet.com/html/contents.html
数据地址：https://github.com/ourownstory/neuralprophet-data
示例地址：https://github.com/ourownstory/neural_prophet/tree/main/tutorials

1 概述

NeuralProphet模型集成了Prophet的所有优点，不仅具有不错的可解释性，还有优于Prophet的预测性能。

• 梯度下降通过使用PyTorch作为后端进行优化。
• 使用 AR-Net 对时间序列的自相关进行建模
• 使用分离的前馈神经网络对滞后回归量进行建模。
• 可配置的FFNN非线性深层。
• 可调整为特定的预测范围（大于 1）。
• 自定义损失和指标。

2 安装

pip install neuralprophet
1

3 使用

导入包：

from neuralprophet import NeuralProphet
1

调用：

m = NeuralProphet()
metrics = m.fit(df)
forecast = m.predict(df)
1
2
3

可视化结果：

fig_forecast = m.plot(forecast)
fig_components = m.plot_components(forecast)
fig_model = m.plot_parameters()
1
2
3

预测：

m = NeuralProphet().fit(df, freq="D")
df_future = m.make_future_dataframe(df, periods=30)
forecast = m.predict(df_future)
fig_forecast = m.plot(forecast)
1
2
3
4

4 Hyperparameters