Facebook先知add_regressor无法帮助

如何解决Facebook先知add_regressor无法帮助

我正在尝试用fbprophet添加一个额外的回归器进行实验，但它似乎并没有提高准确性。在一般情况下，当然不能保证采用哪种方法，但是我将其归结为一个看起来应该是的综合情况，但仍然没有，所以我想知道我做错了什么。 >

这是输入数据：

ds,y
2011-01-01,8
2011-02-01,10
2011-03-01,10
2011-04-01,10
2011-05-01,9
2011-06-01,8
2011-07-01,6
2011-08-01,7
2011-09-01,9
2011-10-01,9
2011-11-01,10
2011-12-01,10
2012-01-01,20
2012-02-01,20
2012-03-01,20
2012-04-01,20
2012-05-01,20
2012-06-01,20
2012-07-01,20
2012-08-01,20
2012-09-01,20
2012-10-01,20
2012-11-01,20
2012-12-01,20

想法是第一年有点吵，第二年的所有值都固定在20时，这并不是真正的指南。

这是我的代码：

import fbprophet
import pandas as pd
import sklearn.metrics

plain = pd.read_csv("data.csv")
plain_train = plain[plain.ds < "2012-01-01"]
plain_test = plain[plain.ds >= "2012-01-01"]

plain_m = fbprophet.Prophet()
plain_m.fit(plain_train)
plain_forecast = plain_m.predict(plain_test)

augmented = pd.read_csv("data.csv")
augmented["extra"] = [20.0] * 24
augmented_train = augmented[augmented.ds < "2012-01-01"]
augmented_test = augmented[augmented.ds >= "2012-01-01"]

augmented_m = fbprophet.Prophet()
augmented_m.add_regressor("extra")
augmented_m.fit(augmented_train)
augmented_forecast = augmented_m.predict(augmented_test)


print("plain_forecast")
print(
    sklearn.metrics.mean_absolute_error(
        plain_test["y"].values,plain_forecast["yhat"].values
    )
)

print("augmented_forecast")
print(
    sklearn.metrics.mean_absolute_error(
        augmented_test["y"].values,augmented_forecast["yhat"].values
    )
)

首先尝试对未扩充的数据进行预测，然后再增加始终为20的第二列，因此可以很好地指导数据的确定，因此非常有帮助。

输出：

plain_forecast
11.072845254369435
augmented_forecast
11.072872701031054

数字不相同，因此不会完全忽略多余的列，但是准确性没有提高；尽管差异在噪声水平上有所下降，但情况稍差一些。

我想念什么？

解决方法

代码没错。但是要记住几件事，然后您会发现fb先知与众不同

此数据有问题。
在模型中，如果要检查季节性和增长情况，则应将年和月拆分为两个单独的变量。这将使任何算法都了解，每年都有增长，每个月都有适时性曲线。
您可以在可变数据不稳定的时期训练数据，并在平坦的时期进行测试。
请尝试使用另一组数据。任何实际上都可以。
24个项目是非常小的样本，propeth用于更大的数据和更多的变量。
尽管先知这个名字不是魔术，但它使用各种相关技术，并且在少量记录中，它与简单回归没有什么不同。

让我们知道它的进展?