Python 是否可以使用FB Prophet进行多变量多步预测？

我正在研究一个多变量（100+变量）多步（t1到t30）预测问题，其中时间序列频率为每1分钟一次。这个问题需要预测100多个变量中的一个作为目标。

---

我很想知道是否可以使用FB Prophet的Python API来实现。我可以用单变量的方式，只使用目标变量和日期时间变量。感谢您的帮助和指导。请告诉我是否需要进一步的输入或澄清问题。

要对多个因变量进行预测，您需要使用向量自回归实现该时间序列

在VAR模型中，每个变量都是自身过去值和所有其他变量过去值的线性函数

---

有关VAR的更多信息，请转到

这可能会晚些时候，但是如果您在2019年阅读此内容，您可以使用LSTM、Keras实现多变量时间序列。

您可以使用

例如，如果我们希望同时使用附加变量

add1

和

add2

的值来预测变量

y

让我们首先创建一个示例df：

import pandas as pd
df = pd.DataFrame(pd.date_range(start="2019-09-01", end="2019-09-30", freq='D', name='ds'))
df["y"] = range(1,31)
df["add1"] = range(101,131)
df["add2"] = range(201,231)
df.head()
            ds  y   add1 add2
0   2019-09-01  1   101 201
1   2019-09-02  2   102 202
2   2019-09-03  3   103 203
3   2019-09-04  4   104 204
4   2019-09-05  5   105 205

和拆分列车和测试：

df_train = df.loc[df["ds"]<"2019-09-21"]
df_test  = df.loc[df["ds"]>="2019-09-21"]

然后，预测方法将使用其他变量进行预测：

forecast = m.predict(df_test.drop(columns="y"))

请注意，附加变量应具有未来（测试）数据的值。如果没有，可以先用单变量时间序列预测

add1

和

add2

，然后用

add\u回归器预测
y
，预测的
add1
和
add2
作为附加变量的未来值

从文档中我了解到，t+1的
y
预测将只使用t+1处的
add1
和
add2
的值，而不是使用
y
时在t，t-1，…，t-n处的值。若这对你们来说很重要的话，你们可以创建新的带有滞后的附加变量

另请参见在自行车使用量预测中使用天气因素作为额外回归的示例。
我感到困惑，如果Prophet以多元方式工作，似乎没有一致意见，请参见github问题和。根据一些评论、queise的答案和youtube教程判断，您可以通过某种方式绕过多元功能，请参见此处的视频：
您可以使用timemachines软件包（以函数形式包装prophet）的一行代码来实现这一点。看得准一点。下面是一个使用示例：

from timemachines.skatertools.data import hospital_with_exog
from timemachines.skatertools.visualization.priorplot import prior_plot
import matplotlib.pyplot as plt
k = 11
y, a = hospital_with_exog(k=k, n=450, offset=True)
f = fbprophet_exogenous
err2 = prior_plot(f=f, k=k, y=y, n=450, n_plot=50)
print(err2)
plt.show()

请注意，您可以将k设置为您想要的任何值。这就是要使用的步骤数。现在要小心，因为当prophet说多元变量时，它们实际上是指预先知道的变量（a参数）。它并没有真正解决多元预测问题。但是你可以使用facebook的滑板者，叫做_recursive，在预测你真正关心的变量之前，使用prophet来预测外生变量

说了这么多，我强烈建议你阅读《先知》的这篇文章，并在愤怒地使用它之前检查它在地图上的位置。
谢谢。这真的很有帮助。不过我有一个问题。我听从了你的指示。并使用Train_Test_Split创建列车测试数据，并注意到它从包括最后一行在内的所有数据中获取了随机数据。我打算预测数据集的后半部分。。。。。这是做预测的好方法吗。或者我应该按索引分割数据@提问
from timemachines.skatertools.data import hospital_with_exog
from timemachines.skatertools.visualization.priorplot import prior_plot
import matplotlib.pyplot as plt
k = 11
y, a = hospital_with_exog(k=k, n=450, offset=True)
f = fbprophet_exogenous
err2 = prior_plot(f=f, k=k, y=y, n=450, n_plot=50)
print(err2)
plt.show()