가격 예측 알고리즘: Facebook Prophet

Facebook Prophet

페이스북에서 만든 라이브러리, 타임시리즈 데이터를 처리하는 것. 

 

install : pip install fbprophet 위 에러 발생시 : conda install -c conda-forge fbprophet

 

ex) 아보카도 가격 예측

ㄴ 데이터는 미국의 아보카도 리테일 데이터 입니다. (2018년도 weekly 데이터)  

ㄴ 아보카도 거래량과 가격이 나와 있습니다. 

ㄴ 컬럼설명:

- Date - The date of the observation - AveragePrice - the average price of a single avocado - type - conventional or organic - year - the year - Region - the city or region of the observation - Total Volume - Total number of avocados sold  - 4046 - Total number of avocados with PLU 4046 sold - PLU는 농산물 코드입니다 - 4225 - Total number of avocados with PLU 4225 sold - 4770 - Total number of avocados with PLU 4770 sold

 

- import libraries

import pandas as pd   import numpy as np  import matplotlib.pyplot as plt  import random import seaborn as sns from fbprophet import Prophet

ㄴ 구글 Colab에는 fbprophet  라이브러리가 이미 설치 되어있어서, 따로 설치가 필요없다. 

 

- Colab에서 이용시 

- 또한, 불러오고자 하는 파일이 구글드라이브 Colab Notebook 폴더에 업로드가 되어있어야한다. 

from google.colab import drive drive.mount('/content/drive') import os os.chdir('/content/drive/MyDrive/Colab Notebooks')

 

- EDA(Exploratory Data Analysis): 탐색적 데이터 분석

df.describe() 와 비슷하다고 보면 됨

ㄴ 안에 어떤 데이터가 있고, 어떤 컬럼이 있는 등을 뜻함

 

ex) 날짜로 정렬하고, 날짜별로 가격이 어떻게 변하는지 간단하게 확인하시오(Plot이용)

# 날짜로 정렬 df = df.sort_values(‘Date’) # 날짜별로 가격이 어떻게 변하는지 df_date = df.groupby(‘Date)[‘AveragePrice’].mean()

 

df_date.plot() plt.xticks(rotation = 30) plt.show()

 

ex) 프로펫 분석을 위해 두개의 컬럼만 가져오고(‘Date,’AveragePrice’), ds와 y로 컬럼명을 셋팅하시오.

avocado_prophet_df = df[['Date', 'AveragePrice']] avocado_prophet_df.columns = ['ds','y']

ㄴ .column 대신에 .rename을 이용해도 된다.

ㄴ 프로펫 라이브러리를 사용하려면, 컬럼이름을 바꿔야한다.

ㄴ 그런데, 컬럼이 많아도, 프로펫 라이브러리는 ds와 y라고 네이민 된 컬럼만 가져온다. 

 

- 프로펫 이용하기

prophet = Prophet() prophet.fit(avocado_prophet_df) # 365일치를 예측하시오. future = prophet.make_future_dataframe( periods = 365 ) forecast = prophet.predict(future)

ㄴ # 1. 변수로 만들기: 메모리에 올려줘야한다. 

ㄴ # 2. 데이터로 학습시키기

ㄴ # 3. 예측하고자 하는 기간을 정해서, 비어있는 데이터 프레임 만들기

- prophet.make_future_dataframe(periods = 365 )

ㄴ 디폴트 파라미터 freq = 'D',

ㄴ 비어있는 날짜를 만들어준다. 미래의 데이터

ㄴ # 4. 프로펫의 predict 함수에, 빈 데이터프레임을 넣어서, 예측 데이터를 채운다.

 

ㄴ yhat: 예측한 값

ㄴ 맨 뒤에 있는 컬럼(yhat)이 실제로 예측값임.

ex) 차트로 확인하시오.

prophet.plot(forecast) plt.savefig('chart1.jpg')

ㄴ 프로펫 자체적으로 plot함수가 있다. 

ㄴ 차트가 버그가 생겨서 두개가 나오는데, savefig하면 하나만 나온다. 

ㄴ 까만점이 없는 부분이 예측한값

 

 

prophet.plot_components(forecast) plt.savefig('chart1.jpg')

ㄴ 가격 및 주기성

 

ex) region이 west인 아보카도의 가격을 예측하시오

avocado_df_sample = df.loc[df['region']== 'West',].copy() # 이 방법이 더 귀찮긴 하지만, 동작하긴 함 avocado_df_sample.rename(columns={'Date':'ds','AveragePrice':'y'}, inplace = True) # 어차피 프로펫은 ds하고 y만 가져옴.

 

prophet = Prophet() prophet.fit(avocado_df_sample) # 365일치, future1 = prophet.make_future_dataframe(periods=365) # 24주치 future2 = prophet.make_future_dataframe(periods=24, freq = 'W') forecast1 = prophet.predict(future1) forecast2 = prophet.predict(future2)

 

prophet.plot(forecast1) plt.savefig('chart1.jpg')

 

prophet.plot_components(forecast1) plt.savefig('chart4.jpg')

 

prophet.plot(forecast2) plt.savefig('chart1.jpg')

 

prophet.plot_components(forecast2) plt.savefig('chart4.jpg')