как улучшить модель пророка - PullRequest
Новая
       35

как улучшить модель пророка

0 голосов
/ 06 июня 2018

Я использую следующий код R: 

library(readxl)
library(prophet)
df <- read_excel("20151001-20180531 Data.xlsx", 
                                      col_types = c("date", "numeric", "numeric", 
                                                    "numeric", "numeric"))
h=365
prodf=data.frame(ds=df$Transaction_Date[-((nrow(df)-(h-1)):nrow(df))],
                 y=log(df$`Volume Demand`[-((nrow(df)-(h-1)):nrow(df))]),
                 gasessions=log(df$Sessions[-((nrow(df)-(h-1)):nrow(df))]),
                 avgprice=log(df$`Avg RRP`[-((nrow(df)-(h-1)):nrow(df))]),
                 discdepth=df$`Avg Discount`[-((nrow(df)-(h-1)):nrow(df))])

# allholidays=data.frame(holiday="allholidays",
#                     ds=as.Date(c("2015-10-31","2015-11-26","2015-11-27","2015-11-30","2015-12-18","2015-12-24","2015-12-25","2015-12-26","2015-12-31",
#                          "2016-01-01","2016-02-14","2016-03-25","2016-10-31","2016-11-24","2016-11-25","2016-11-28","2016-12-18","2016-12-24","2016-12-25","2016-12-26","2016-12-31",
#                          "2017-01-01","2017-02-14","2017-04-14","2017-10-31","2017-11-23","2017-11-24","2017-11-27","2017-12-16","2017-12-24","2017-12-25","2017-12-26","2017-12-31",
#                          "2018-01-01","2018-02-14","2018-04-1")),
#                     lower_window = 0,
#                     upper_window = 1, stringsAsFactors = F)
calendar <- read_excel("Calendar.xlsx", 
                 col_types = c("text", "date", "numeric", "numeric"))
m=prophet(holidays = calendar, holidays.prior.scale = 10,changepoint.prior.scale = 0.05)#,mcmc.samples = 300)
m <- add_seasonality(m, name='weekly', period=7, fourier.order=5, prior.scale=10)
m <- add_seasonality(m, name='yearly', period=365, fourier.order=5, prior.scale=10)
m <- add_regressor(m, 'gasessions')
m <- add_regressor(m, 'avgprice')
m <- add_regressor(m, 'discdepth')
m <- fit.prophet(m, prodf)
future <- make_future_dataframe(m, periods = h)
future$gasessions=log(df$Sessions)
future$avgprice=log(df$`Avg RRP`)
future$discdepth=df$`Avg Discount`
forecast <- predict(m, future)
MAPE=mean(abs(tail(exp(forecast$yhat),h)-tail(df$`Volume Demand`,h))/tail(df$`Volume Demand`,h))*100
accuracy=((sum(tail(exp(forecast$yhat),h))-sum(tail(df$`Volume Demand`,h)))/sum(tail(df$`Volume Demand`,h)))*100
TotForecast=sum(tail(exp(forecast$yhat),h))

Я пытаюсь предсказать продажи в следующем году.К сожалению, я не могу предоставить данные по понятным причинам.КАРТА 19%, а точность 27%.Это мои лучшие результаты за 365 дней.Я достиг точности 0,5% (99,5% правильного прогноза) с различными настройками для горизонта в 28 дней, но точность горизонта в 365 дней хуже, чем вышеупомянутые (вероятно, переобучение).У кого-нибудь есть предложения по улучшению этой модели пророка?Кроме того, если есть способ преобразовать данные, чтобы они были доступны для совместного использования, пожалуйста, дайте мне знать.С уважением, Джордж

1 Ответ

0 голосов
/ 19 сентября 2018

Возможно, вы правы, модель может быть перегружена, но вы можете контролировать ее, изменив fourier.order и seasonality.priorscale.Fourier.order: увеличение его позволяет модели подгонять сезонные образцы, которые изменяются быстрее.Seasonality.priorscale: это контроль количества регуляризации сезонности модели.Регуляризация важна, чтобы избежать переоснащения.Поэтому я предлагаю вам уменьшить как fourier.order, так и seasonality.priorscale, если это случай переобучения.

...