Portfólio pessoal de pacotes em Python e JavaScript para previsão online de séries temporais, estimação de covariância, construção de portfólios e otimização black-box, além de notas de pesquisa.
meta/prophet
Ferramenta open source do Facebook para fazer previsões de séries temporais com múltiplas sazonalidades, mudanças de tendência e efeitos de feriados, disponível para Python e R.
- Estrelas
- 20,474
- Forks
- 4,644
- Issues abertas
- 455
- Último commit
- há 3 dias
O que é?
Prophet é um método automático para fazer previsões com dados de séries temporais. Ele ajusta um modelo aditivo que combina tendências não lineares com sazonalidades anuais, semanais e diárias, além dos efeitos dos feriados que você especificar. Foi desenvolvido para séries com padrões sazonais fortes e vários anos de histórico.
O modelo é robusto a valores ausentes e mudanças na tendência, e costuma lidar bem com valores discrepantes. Os usuários podem adicionar sazonalidades personalizadas, regressores extras, calendários de feriados por país e limites de crescimento com saturação. As ferramentas integradas incluem validação cruzada e métricas de desempenho das previsões.
Prophet está disponível no PyPI como `prophet` e no CRAN para R. A partir da versão v1.4.0, o projeto está em modo de manutenção; portanto, só são aceitas correções de bugs e atualizações de dependências.
Recursos principais
- 01Modela tendências com sazonalidades anuais, semanais e diárias, além de efeitos de feriados.
- 02Oferece suporte a sazonalidades personalizadas e regressores extras.
- 03Lida com dados ausentes e pontos de mudança na tendência.
- 04Inclui validação cruzada e métricas de desempenho das previsões.
- 05Disponível para Python (pip/conda) e R (CRAN).
Casos de uso
- Prever métricas diárias de negócios, como vendas ou tráfego, com padrões semanais.
- Projetar a demanda que aumenta em períodos de feriados ou promoções.
- Criar previsões de referência para o planejamento de capacidade com base em vários anos de histórico.
Início rápido
- 1
Instale o pacote Python pelo PyPI
python -m pip install prophet - 2
Ou instale via conda-forge
conda install -c conda-forge prophet
Antes de usar
- O Prophet está em modo de manutenção desde a v1.4.0, portanto não há previsão de novos recursos.
- O Prophet funciona melhor com séries temporais que apresentam efeitos sazonais fortes e vários ciclos sazonais de dados históricos.
- No Linux, compilar a partir do código-fonte exige compiladores e pelo menos 4 GB de memória para instalar.
Em coleções
Tópicos
Perguntas frequentes
- O que é prophet?
- Ferramenta open source do Facebook para fazer previsões de séries temporais com múltiplas sazonalidades, mudanças de tendência e efeitos de feriados, disponível para Python e R. Prophet é um método automático para fazer previsões com dados de séries temporais. Ele ajusta um modelo aditivo que combina tendências não lineares com sazonalidades anuais, semanais e diárias, além dos efeitos dos feriados que você especificar. Foi desenvolvido para séries com padrões sazonais fortes e vários anos de histórico.
- prophet é gratuito? Qual é a licença?
- prophet é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- prophet ainda é mantido?
- Manutenção ativa. O último commit de prophet foi em 5 de nov. de 2026.
- Para que posso usar prophet?
- Prever métricas diárias de negócios, como vendas ou tráfego, com padrões semanais. Projetar a demanda que aumenta em períodos de feriados ou promoções. Criar previsões de referência para o planejamento de capacidade com base em vários anos de histórico.
- Como instalar prophet?
- Instale o pacote Python pelo PyPI: python -m pip install prophet Ou instale via conda-forge: conda install -c conda-forge prophet
- Onde consigo prophet?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/meta/prophet
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca de AutoML que treina e combina modelos de ML para dados tabulares, séries temporais e dados multimodais com poucas linhas de Python.
Modelos baseados em Transformer pré-treinados da Amazon para previsão zero-shot de séries temporais, incluindo a família Chronos-2.
SDK cliente em Python para o TimeGPT da Nixtla, um modelo de base pré-treinado e hospedado para previsão de séries temporais e detecção de anomalias.
Um pacote R que automatiza previsões de séries temporais para dados financeiros, com agente de IA, mais de 25 modelos e execuções paralelas no Azure.
SciPy é uma biblioteca Python de código aberto para matemática, ciência e engenharia, construída sobre arrays do NumPy.