Repolode
meta

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. 1

    Instala el paquete de Python desde PyPI

    python -m pip install prophet
  2. 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

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.

Datos y analítica#time-series#forecasting#online-algorithms
37764Jupyter NotebookSin licenciaActualizado hace 3 meses