Repolode
meta

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. 1

    Установите пакет Python из PyPI

    python -m pip install prophet
  2. 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

Подборка Python- и JavaScript-пакетов для онлайн-прогнозирования временных рядов, оценки ковариации, построения портфелей и black-box-оптимизации, а также исследовательских заметок.

Данные и аналитика#time-series#forecasting#online-algorithms
37764Jupyter NotebookБез лицензииОбновлён 3 месяца назад

Библиотека AutoML, которая обучает и объединяет ML-модели для табличных данных, временных рядов и мультимодальных данных с помощью нескольких строк Python-кода.

10,8 тыс.+12 за неделю1,2 тыс.PythonApache-2.0Обновлён 3 дня назад

Python SDK от Nixtla для TimeGPT — облачной предварительно обученной модели временных рядов для прогнозирования и обнаружения аномалий.

4 тыс.+2 за неделю342Jupyter NotebookOtherАктивно поддерживаетсяОбновлён позавчера