Prophet für Python: Zeitreihenprognose von Facebook |…

Prophet – Zeitreihenprognose von Facebook (Meta): Die ultimative Anleitung zur Datenanalyse

Einführung in Prophet

Prophet ist eine leistungsstarke Open-Source-Bibliothek, die vom Facebook (Meta) Core Data Science Team für die Prognose von Zeitreihen entwickelt wurde. Die Bibliothek wurde speziell für praktische Prognoseaufgaben im realen Geschäftsumfeld konzipiert, in dem Daten Lücken, Ausreißer und komplexe saisonale Muster aufweisen können.

Der größte Vorteil von Prophet liegt in seiner Fähigkeit, komplexe zeitliche Muster automatisch zu erkennen und zu modellieren – ohne tiefgehende Kenntnisse statistischer Methoden. Das macht die Bibliothek für ein breites Spektrum von Analysten und Data Scientists zugänglich.

Entstehungsgeschichte und Entwicklung der Bibliothek

Prophet wurde erstmals 2017 von Forschern des Facebook Core Data Science Teams vorgestellt. Die Bibliothek wurde entwickelt, um konkrete unternehmensinterne Prognoseaufgaben zu lösen – von der Benutzeraktivität bis hin zur Infrastrukturplanung.

Die Hauptentwickler Sean Taylor und Ben Letham wollten ein Werkzeug schaffen, das statistische Strenge mit praktischer Anwendbarkeit verbindet. 2018 wurde eine Version für R veröffentlicht, später folgte die Portierung auf Python.

Mathematische Grundlagen und Funktionsweise

Das additive Modell von Prophet

Trendmodellierung

Prophet unterstützt zwei Arten von Trends:

Linearer Trend: [ g(t) = (k + a(t)^T \delta) \cdot t + (m + a(t)^T \gamma) ]

Logistischer Trend: [ g(t) = \frac{C(t)}{1 + \exp(-(k + a(t)^T \delta)(t - (m + a(t)^T \gamma)))} ]

wobei [ C(t) ] die maximale Kapazität (Carrying Capacity), [ k ] die Basiswachstumsrate und [ \delta ] die Änderungen der Wachstumsrate an Trendwechselpunkten darstellt.

Saisonale Komponente

Die Saisonalität wird mithilfe von Fourier-Reihen modelliert:

wobei [ P ] die Saisonperiode und [ N ] die Anzahl der Harmonien (Fourier-Ordnung) ist.

Installation und Umgebungseinrichtung

Basisinstallation

pip install prophet

Installation mit zusätzlichen Abhängigkeiten

pip install prophet[plot]
pip install plotly  # für interaktive Visualisierungen

Installation für verschiedene Betriebssysteme

Windows:

pip install pystan
pip install prophet

macOS:

brew install gcc
pip install prophet

Linux (Ubuntu/Debian):

sudo apt-get install build-essential
pip install prophet

Bibliothek importieren

from prophet import Prophet
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from prophet.plot import plot_plotly, plot_components_plotly