時系列予測ライブラリ『Prophet』は本当に”誰でも簡単に”予測ができるか（実践編）

これまでの流れ
『Prophet』で予測してみる
まとめ
1. 手軽さ十分
2. 他サービスについて

これまでの流れ

準備編は以下記事をご参照ください。

ざっくりの環境構築までを行いました。

今回は、実際に何かしらのデータを用意して、予測をさせてみたいと思います。

『Prophet』で予測してみる

予測をしたいデータの準備

Prophetのインプットデータには制約があり、“ds”（日付）と“y”（値）から

構成されていなければいけません。変数名もこのままでないとダメです。

今回は、気象庁のＨＰより、東京の平均気温を10年分ぐらい抜き出して、

向こう1年の平均気温の予測をかけてみようと思います。

ds	y
2009-9-11	23.9
2009-9-12	21.4

↑こんな感じのデータでＯＫです。

予測

さて、公式ドキュメント翻訳版のクイックスタート編みたいなことをやります。

ざっくりコード部分をまとめて今回用にカスタマイズしたりして、以下のような感じに。

import pandas as pd
from fbprophet import Prophet
import os

# データが格納されている作業ディレクトリまで移動
path = os.getcwd()
os.chdir("D:\yosoku\\")
path = os.getcwd()
print(path)
# csvの読み取り
df = pd.read_csv("tokyo_tenki.csv")
df.head()

m = Prophet()
m.fit(df)
future = m.make_future_dataframe(periods=365)
future.tail()
forecast = m.predict(future)
forecast['ds'].tail()
fig1 = m.plot(forecast)

m.plot_components(forecast)

# グラフ描画
import matplotlib.pyplot as plt 
m.plot(forecast)
plt.xlim(future.ds.iloc[-365], future.ds.iloc[-1])
plt.xlabel('Date')
plt.ylabel('Average')

plt.show()

plotできないぞ！というエラーが出たら、以下コマンドでplotlyを最新化します。

・pip install –upgrade plotly

私の環境では、データはDドライブの”yosoku”というフォルダ配下に”tokyo_tenki.csv”という

名前で突っ込んでいます。

向こう1年の予測なので、随所でパラメータは365に。

これを先述のJupyter Notebookに貼り、“Run”を押します！