Обзор BoxCox преобразования в пакете forecast(Hyndman) и пакета prophet от фейсбука

1. BoxCox

В пакете forecast Hyndman сделал 3 функции, относящиеcя к Box-cox преобразованю:

• BoxCox(): возвращает результат BoxCox преобразования из входной переменой.

Code:

BoxCox <- function(x,lambda)
{
  if(lambda < 0)
   x[x < 0] <- NA
  if(lambda==0)
    out <- log(x)
  else
    out <- (sign(x)*abs(x)^lambda - 1)/lambda
  if(!is.null(colnames(x)))
    colnames(out) <- colnames(x)
  return(out)
}

• InvBoxCox():обратный ход BoxCox преобразования

• BoxCox.lamda(): автаматически выбирает параметр lambda для BoxCox преобзования.

Например:

# функция BoxCox.lambda() будет автоматически выбирает значение lambda:
# lambda <- BoxCox.lambda(x) 
# plot(BoxCox(x,lambda))

2. Пакет prophet от фейсбука

Prophet - инструмент для анализа и прогнозирования временных рядов. Он лучше всешо работает с дневными данными по крайней мере с историчесими данными одного года. Библиотека автоматически обработает пропущенные значения.

Праздники:

Prophet позволяет указать отдельно даты, на которые выпадают праздники. Модель учтет это в предсказании. Также можно регулировать степень влияния праздников — holidays_prior_scale, что очень удобно, если модель переобучилась.

Построение прогноза:

создаем модель -> обучаем ее с помощью метода .fit() -> строим предсказание .predict() -> Для обучения нужно передать DataFrame с колонками:

• ds: время, формат поля должен быть datetime;

• y: целевая переменная в числовом формате.

Для получения прогноза нужно передать новый DataFrame, содержащий столбец ds. Для этого в библиотеке есть функция make_future_dataframe, которая принимает параметр periods — период, для которого мы хотим получить прогноз и freq — частота временного ряда (значение по умолчанию — день).

создание входного DataFrame с колонками ds, y:

history <- data.frame(ds = seq(as.Date('2015-01-01'), as.Date('2016-01-01'), by = 'd'), y = sin(1:366/200) + rnorm(366)/10)
head(history)

plot(history)

Прогноз:

В виде прогноза Prophet вернет DataFrame с большим количеством столбцов. Наиболее интересные:

• ds — временная метка для прогнозируемого значения;
• yhat— прогнозируемое значение;
• yhat_lower — нижняя граница прогноза;
• yhat_upper — высшая граница прогноза.

library(prophet)
m <- prophet(history)

Disabling yearly seasonality. Run prophet with yearly.seasonality=TRUE to override this.
Disabling daily seasonality. Run prophet with daily.seasonality=TRUE to override this.

Initial log joint probability = -14.2728
Optimization terminated normally: 
  Convergence detected: relative gradient magnitude is below tolerance

future <- make_future_dataframe(m, periods = 365)
forecast <- predict(m, future)

|==============================================================================================|100% ~0 s remaining     

head(forecast)

Визуализация для forecast

plot(m, forecast)