Colección personal de paquetes de Python y JavaScript para predecir series temporales en línea, estimar covarianzas, construir carteras y optimizar funciones de caja negra, además de notas de investigación.
meta/prophet
Herramienta de código abierto de Facebook para pronosticar series temporales con varias estacionalidades, cambios de tendencia y efectos de días festivos, disponible para Python y R.
- Estrellas
- 20,474
- Forks
- 4,644
- Issues abiertos
- 455
- Último commit
- hace 3 días
¿Qué es?
Prophet es un procedimiento automático para pronosticar datos de series temporales. Ajusta un modelo aditivo que combina tendencias no lineales con estacionalidades anuales, semanales y diarias, además de los efectos de los días festivos que especifiques. Está diseñado para series con patrones estacionales marcados y varios años de datos históricos.
El modelo es robusto ante valores faltantes y cambios en la tendencia, y normalmente maneja bien los valores atípicos. Los usuarios pueden añadir estacionalidades personalizadas, regresores adicionales, calendarios de días festivos por país y límites de crecimiento saturado. Incluye herramientas para validación cruzada y métricas de rendimiento de los pronósticos.
Prophet está disponible en PyPI como `prophet` y en CRAN para R. A partir de la versión v1.4.0, el proyecto está en modo de mantenimiento: solo se aceptan correcciones de errores y actualizaciones de dependencias.
Funciones clave
- 01Modela tendencias con estacionalidades anuales, semanales y diarias, además de los efectos de los días festivos.
- 02Admite estacionalidades personalizadas y regresores adicionales.
- 03Maneja datos faltantes y puntos de cambio en la tendencia.
- 04Incluye validación cruzada y métricas de rendimiento de los pronósticos.
- 05Disponible para Python (pip/conda) y R (CRAN).
Casos de uso
- Pronosticar métricas empresariales diarias, como ventas o tráfico, con patrones semanales.
- Proyectar la demanda que aumenta durante los días festivos o las promociones.
- Crear pronósticos de referencia para planificar la capacidad a partir de varios años de datos históricos.
Inicio rápido
- 1
Instala el paquete de Python desde PyPI
python -m pip install prophet - 2
O instálalo a través de conda-forge
conda install -c conda-forge prophet
Antes de usarlo
- Prophet está en modo de mantenimiento desde la versión 1.4.0, por lo que no se prevén nuevas funciones.
- Prophet funciona mejor con series temporales que presentan una estacionalidad marcada y varios ciclos estacionales de datos históricos.
- En Linux, compilar desde el código fuente requiere compiladores y al menos 4 GB de memoria para la instalación.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es prophet?
- Herramienta de código abierto de Facebook para pronosticar series temporales con varias estacionalidades, cambios de tendencia y efectos de días festivos, disponible para Python y R. Prophet es un procedimiento automático para pronosticar datos de series temporales. Ajusta un modelo aditivo que combina tendencias no lineales con estacionalidades anuales, semanales y diarias, además de los efectos de los días festivos que especifiques. Está diseñado para series con patrones estacionales marcados y varios años de datos históricos.
- ¿prophet es gratuito? ¿Qué licencia tiene?
- prophet es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿prophet sigue mantenido?
- Mantenimiento activo. El último commit de prophet fue el 5 nov 2026.
- ¿Para qué puedo usar prophet?
- Pronosticar métricas empresariales diarias, como ventas o tráfico, con patrones semanales. Proyectar la demanda que aumenta durante los días festivos o las promociones. Crear pronósticos de referencia para planificar la capacidad a partir de varios años de datos históricos.
- ¿Cómo se instala prophet?
- Instala el paquete de Python desde PyPI: python -m pip install prophet O instálalo a través de conda-forge: conda install -c conda-forge prophet
- ¿Dónde consigo prophet?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/meta/prophet
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Biblioteca de AutoML que entrena y combina modelos de ML para datos tabulares, series temporales y datos multimodales con unas pocas líneas de Python.
Modelos basados en Transformer preentrenados por Amazon para pronosticar series temporales sin entrenamiento previo, incluida la familia Chronos-2.
SDK de Python para TimeGPT de Nixtla, un modelo fundacional preentrenado y alojado para pronosticar series temporales y detectar anomalías.
Paquete de R que automatiza la predicción de series temporales financieras con un agente de IA, más de 25 modelos y ejecuciones paralelas en Azure.
SciPy es una biblioteca de Python de código abierto para matemáticas, ciencia e ingeniería, basada en arrays de NumPy.