Python 3.x 如何在python中为时间序列数据中的组计算SMAPE？

我的数据如下所示，我正在使用facebook

FbProphet

进行预测。接下来，我想为数据帧中的每个组计算

SMAPE

。我找到了Kaggle用户描述的函数，但我不确定如何在当前代码中实现。这样，

SMAPE

就可以为每组进行计算。此外，我知道fbProphet具有验证功能，但我想为每个组计算

SMAPE

注意：我是python新手，请提供代码解释

数据集

import pandas as pd
data = {'Date':['2017-01-01', '2017-01-01','2017-01-01','2017-01-01','2017-01-01','2017-01-01','2017-01-01','2017-01-01',
               '2017-02-01', '2017-02-01','2017-02-01','2017-02-01','2017-02-01','2017-02-01','2017-02-01','2017-02-01'],'Group':['A','A','B','B','C','C','D','D','A','A','B','B','C','C','D','D'],
       'Amount':['12.1','13.2','15.1','10.7','12.9','9.0','5.6','6.7','4.3','2.3','4.0','5.6','7.8','2.3','5.6','8.9']}
df = pd.DataFrame(data)
print (df)

到目前为止的代码…

def get_prediction(df):
    prediction = {}
    df = df.rename(columns={'Date': 'ds','Amount': 'y', 'Group': 'group'})
    df=df.groupby(['ds','group'])['y'].sum()
    df=pd.DataFrame(df).reset_index()
    list_articles = df.group.unique()

    for group in list_articles:
        article_df = df.loc[df['group'] == group]
        # set the uncertainty interval to 95% (the Prophet default is 80%)
        my_model = Prophet(weekly_seasonality= True, daily_seasonality=True,seasonality_prior_scale=1.0)
        my_model.fit(article_df)
        future_dates = my_model.make_future_dataframe(periods=6, freq='MS')
        forecast = my_model.predict(future_dates)
        prediction[group] = forecast
        my_model.plot(forecast)
    return prediction

---

您仍然可以使用fbprophet自己的

交叉验证

功能，但可以使用您自己的评分。下面是uber关于他们如何进行回溯测试（滑动窗口和扩展窗口）的一个不错的博客：

fbprophet的cv功能在滑动窗口上运行。如果这对您来说是可以的，您可以将其与自定义评分功能结合使用。我认为一个很好的方法是扩展Prophet并实现

.score（）

方法

这里是一个示例实现：

从FBI导入Prophet
从fbprophet.diagnostics导入交叉验证
将numpy作为np导入
类别估计（Prophet）：
"""
带有自定义评分的包装器
"""
定义初始化（self，*args，**kwargs）：
超级（预估器，自我）。\uuuuu初始值（*args，**kwargs）
def分数（自我）：
#跨val分数重用prophets自己的cv实现
df\U cv=交叉验证（自我，水平=6天）
#在这里决定如何计算SMAPE。
#这里总结了每个滑动窗口，
#对于所有窗口，SMAPE是在周期总和上计算的。
df_cv=df_cv.groupby（'cutoff'）.agg({
“yhat”：“sum”，
‘y’：‘sum’
})
smape=self.calc_smape（df_cv['yhat']，df_cv['y']））
回程票
def calc_smape（自我、帽子、帽子）：
返回100/len（y）*np.sum（2*np.abs（y_hat-y）/（np.abs（y）+np.abs（y_hat）））
def get_预测（df）：
预测={}
df=df.rename（列={'Date'：'ds'，'Amount'：'y'，'Group'：'Group'}）
df=df.groupby（['ds'，'group']）['y'].sum（）
df=pd.DataFrame（df）.reset_index（）
list_articles=df.group.unique（）
对于列表中的组\u文章：
第条df=df.loc[df['group']==group]
#将不确定性区间设置为95%（Prophet默认值为80%）
my_模型=预测估计器（每周_季节性=真，每日_季节性=真，季节性_先验_量表=1.0）
my_model.fit（文章_df）
smape=my_model.score（）#将此存储在某处
未来日期=我的模型。生成未来数据帧（周期=6，频率=MS）
预测=我的模型。预测（未来日期）
预测[组]=（预测，smape）
my_模型图（预测）
收益预测

这可能会有所帮助，您是否正在尝试为列表中的组计算此组的smape

。

@jayprakashstar..是..我正在尝试为位于“组”列中的每个组计算smape以及使用prophet获得的预测值