Подборка Python- и JavaScript-пакетов для онлайн-прогнозирования временных рядов, оценки ковариации, построения портфелей и black-box-оптимизации, а также исследовательских заметок.
meta/prophet
Инструмент Facebook с открытым исходным кодом для прогнозирования временных рядов с несколькими сезонными циклами, изменениями тренда и влиянием праздников; доступен для Python и R.
- Звёзды
- 20,474
- Форки
- 4,644
- Открытые issues
- 455
- Последний коммит
- 3 дня назад
Что это?
Prophet — это инструмент для автоматического прогнозирования временных рядов. Он строит аддитивную модель, в которой нелинейный тренд сочетается с годовыми, недельными и дневными сезонными циклами, а также с влиянием указанных вами праздников. Инструмент рассчитан на ряды с выраженной сезонностью и историей за несколько сезонов.
Модель устойчива к пропускам данных и сдвигам тренда и обычно хорошо справляется с выбросами. Пользователи могут добавлять собственные сезонные циклы, дополнительные регрессоры, календари праздников для разных стран и ограничения насыщения роста. Встроенные инструменты позволяют проводить кросс-валидацию и оценивать точность прогнозов.
Prophet доступен на PyPI как `prophet` и на CRAN для R. Начиная с версии v1.4.0 проект находится в режиме поддержки: принимаются только исправления ошибок и обновления зависимостей.
Ключевые возможности
- 01Моделирует тренды с годовыми, недельными и дневными сезонными циклами, а также с учётом влияния праздников.
- 02Поддерживает пользовательские сезонные циклы и дополнительные регрессоры.
- 03Обрабатывает пропущенные данные и точки изменения тренда.
- 04Включает инструменты для кросс-валидации и оценки точности прогнозов.
- 05Доступен для Python (pip/conda) и R (CRAN).
Сценарии использования
- Прогнозирование ежедневных бизнес-показателей, например продаж или трафика, с учётом недельных закономерностей.
- Прогнозирование спроса с пиками в праздничные дни или во время акций.
- Построение базовых прогнозов для планирования мощностей на основе данных за несколько лет.
Быстрый старт
- 1
Установите пакет Python из PyPI
python -m pip install prophet - 2
Или установите его через conda-forge
conda install -c conda-forge prophet
Что важно знать
- Начиная с v1.4.0 Prophet находится в режиме поддержки, поэтому новые функции не планируются.
- Prophet лучше всего работает с временными рядами, для которых характерна выраженная сезонность и доступны исторические данные за несколько сезонов.
- В Linux для сборки из исходного кода и установки требуются компиляторы и не менее 4 ГБ памяти.
В подборках
Темы
Частые вопросы
- Что такое prophet?
- Инструмент Facebook с открытым исходным кодом для прогнозирования временных рядов с несколькими сезонными циклами, изменениями тренда и влиянием праздников; доступен для Python и R. Prophet — это инструмент для автоматического прогнозирования временных рядов. Он строит аддитивную модель, в которой нелинейный тренд сочетается с годовыми, недельными и дневными сезонными циклами, а также с влиянием указанных вами праздников. Инструмент рассчитан на ряды с выраженной сезонностью и историей за несколько сезонов.
- prophet можно использовать бесплатно? Какая у него лицензия?
- prophet распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- prophet всё ещё поддерживается?
- Активно поддерживается. Последний коммит в prophet — 5 нояб. 2026 г..
- Для чего можно использовать prophet?
- Прогнозирование ежедневных бизнес-показателей, например продаж или трафика, с учётом недельных закономерностей. Прогнозирование спроса с пиками в праздничные дни или во время акций. Построение базовых прогнозов для планирования мощностей на основе данных за несколько лет.
- Как установить prophet?
- Установите пакет Python из PyPI: python -m pip install prophet Или установите его через conda-forge: conda install -c conda-forge prophet
- Где скачать prophet?
- Исходный код и инструкции по установке — на GitHub: https://github.com/meta/prophet
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Библиотека AutoML, которая обучает и объединяет ML-модели для табличных данных, временных рядов и мультимодальных данных с помощью нескольких строк Python-кода.
Предобученные модели на основе Transformer от Amazon для прогнозирования временных рядов в zero-shot-режиме, включая семейство Chronos-2.
Python SDK от Nixtla для TimeGPT — облачной предварительно обученной модели временных рядов для прогнозирования и обнаружения аномалий.
R-пакет для автоматизации прогнозирования финансовых временных рядов: AI-агент, более 25 моделей и параллельные вычисления в Azure.
SciPy — библиотека Python с открытым исходным кодом для математики, науки и инженерных задач, работающая с массивами NumPy.