先知是一种用于基于附加模型预测时间序列数据的过程，其中非线性趋势与每年，每周和每天的季节性以及假期效应相吻合。 它最适合具有强烈季节性影响和多个季节历史数据的时间序列。 先知对于丢失数据和趋势变化具有较强的鲁棒性，并且通常可以很好地处理异常值。 先知在Facebook的许多应用程序中用于生成可靠的计划和目标设定预测。 我们发现，在大多数情况下，它的性能要优于其他任何方法。 我们在Stan中拟合模型，以便您在几秒钟内获得预测。 无需人工即可获得有关杂乱数据的合理预测。 先知对异常值，丢失的数据以及时间序列中的急剧变化具有鲁棒性。

A-stock-prediction-algorithm-based-on-machine-learning （陆续更新）重新整理过的基于机器学习的股票价格预测算法，里面包含了基本的回测系统以及各种不同的机器学习算法的股票价格预测，包含：LSTM算法、Prophet算法、AutoARIMA、朴素贝叶斯、SVM等 强烈推荐大家去看看sklearn库的文档，地址：[ ] 2021-2-6 出现紧急问题，重新发布 12-3 股票消息面分析 给出一个基于nlp情感分析的消息面分析算法。从新浪财经上获取新闻个股预测情况，使用jieba进行切词和使用snownlp进行情感分析，进行回测。 11-27 修正机器学习算法/DecisionTree.py RandomForest.py 上面的逻辑错误。 11-25 visualization/mlpredict-line.py echarts+tushar

文章目录prophet 安装数据集下载prophet 实战导入包pandas 读取 csv 数据画个图拆分数据集从日期中拆分特征使用 prophet 训练和预测prophet 学到了什么放大图 prophet 安装 prophet 是facebook 开源的一款时间序列预测工具包，直接用 conda 安装 fbprophet 即可 prophet 的官网：https://facebook.github.io/prophet/ prophet 中文意思是“先知” prophet 的输入一般具有两列：ds和y ds(datestamp) 列应为 Pandas 可以识别的日期格式，日期应为YYYY-

NULL 博文链接：https://liubin2010.iteye.com/blog/1211700

facebook prophet 使用教程.docx . 详细的介绍了时间序列模型的使用方法和原理，该模型是来自Facebook的prophet模型，有很好的时间序列预测功能。

网上很多入门代码，官网也给了很多demo。上手很快，按照网上的数据，预测的结果很ok，信心满满。 总是按照别人的东西做，感觉缺点什么，自己打算给自己挖个坑。 预测一下sin函数。

脸书预言家开源项目，prophet python模块 fbprophet和pystan。现在网上的教程基本都不能成功安装。本人侥幸安装成功。把pip包中的两个模块上传。大家下载后可以直接导入python安装目录下的模块目录site-packages下即可使用两个模块。预言者神器预测很给力

facebook prophet 用于解决时间序列问题

faceBook prophet源码，内含预测项目数据集 example

R的Prophet包的数据集