前天，Facebook 宣布开源一款基于 Python 和 R 语言的数据预测工具——“Prophet”，即“先知”。取名倒是非常直白。

Facebook 表示，Prophet 相比现有预测工具更加人性化，并且难得地提供 Python 支持。另外，它生成的预测结果足以和专业数据分析师媲美。

Facebook 把预测任务的流程用下图展示出来：

从图中可以看出，预测共分四个流程：建模，预测评估，表面问题和人工检查。

在建模阶段，当前可用的 Python 工具包寥寥无几。最广为人知的 “ forecast” ，谷歌开发的 CausalImpact， 以及推特的 AnomalyDetection，均是基于 R 语言。很显然，Facebook 想要改变这一点。

从 Facebook 官方声明来看，推出 Prophet，是希望用它来替代 forecast，成为最受欢迎的预测工具。雷锋网了解到，相对于后者，Facebook 表示 Prophet 有两大优点：

开发合理、准确的预测模型更加直接。

Prophet 包含许多预测技术，比如 ARIMA 和 exponential smoothing。每一项工具都有它的长处、短处和调节参数。Facebook 表示，选择不恰当的模型或参数会造成让人难以满意的结果;而即便是有经验的数据分析师在选择模型、参数上也经常遇到困难。言下之意是，Prophet 将着重改善这方面的体验，让模型、参数的选择更直观。

用 Prophet 做出的预测，能够以对普通人更加直观的方式进行定制。

Prophet 有针对周期性的平滑参数(smoothing parameters for seasonality)，允许开发者调整与历史周期的匹配程度。它还有针对趋势的平滑参数，能够调整对历史趋势变化的紧跟程度。对于增长曲线(growth curves)，开发者能人工设置上限，即 capacities，把关于“该预测如何增长(或下降)”的先验信息注入进去。最后，开发者还能设置不规则日期，来对超级碗、感恩节、黑色星期五之类的特殊日子进行建模。

组成部分

在它的核心，Prophet 是一个可加回归模型(additive regression model)，它有四个组成部分：

一个分段的线性或逻辑增长曲线趋势。Prophet 通过提取数据中的转变点，自动检测趋势变化。

一个按年的周期组件，使用傅里叶级数(Fourier series)建模而成。

一个按周的周期组件，使用虚拟变量(dummy variables)。

用户设置的重要节日表。

适用范围

雷锋网获知，Prophet 针对的是商业预测任务，适用于具备以下特征的场景：

针对每小时、每天或每星期的观察频次，有至少数月(理想情况的一年)的历史记录。

多重显著的“人类层级”周期性：星期X以及年份。

日期间隔不规则的重要节日(比如超级碗)，需要事先得知。

观察缺失或是异常值在合理范围内。

历史趋势变化，比如产品发布或者改写记录(logging changes)。

符合非线性增长曲线的趋势，有天然上、下限或者饱和点。

想要进一步了解 Prophet 的读者，请参考以下链接：

Facebook 博客：https://research.fb.com/prophet-forecasting-at-scale/

使用指南：https://facebookincubator.github.io/prophet/docs/quick_start.html

文件：http://facebookincubator.github.io/prophet/