说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.项目背景
Prophet由facebook开源的基于python和R语言的数据预测工具，基于时间和变量值结合时间序列分解和机器学习的拟合来做的；其强大的对于当变量的预测能力，可以解决大部分的实际场景中的对单项值的预测。在时间序列分析领域，一般会把时间序列拆分成几个部分，分别是S(t)季节项，趋势项T(t)，剩余项T(t)，一般我们算法模型有两种，加法模型和乘法模型；同时乘法模型我们发现取对后也可以分解成加法模型。
Prophet适用于具有明显的内在规律的商业行为数据,例如：有如下特征的业务问题：
1.有至少几个月（最好是一年）的每小时、每天或每周观察的历史数据；
2.有多种人类规模级别的较强的季节性趋势：每周的一些天和每年的一些时间；
3.有事先知道的以不定期的间隔发生的重要节假日（比如国庆节）；
4.缺失的历史数据或较大的异常数据的数量在合理范围内；
5.有历史趋势的变化（比如因为产品发布）；
6.对于数据中蕴含的非线性增长的趋势都有一个自然极限或饱和状态。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：
编号 |
变量名称 |
描述 |
1 |
DATE |
|
2 |
SO2 |
|
3 |
NO2 |
|
4 |
PM10 |
|
5 |
PM2 |
|
6 |
O3 |
|
7 |
CO |
|
8 |
AQI |
|
9 |
PRIMARY |
|
数据详情如下(部分展示)：
3.数据预处理
3.1 用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据：
从上图可以看到，总共有9个字段。
关键代码：
3.2缺失值统计
使用Pandas工具的info()方法统计每个特征缺失情况：
从上图可以看到，数据不存在缺失值，总数据量为355条。
关键代码：
3.3描述性统计分析
通过Pandas工具的describe()方法来来统计变量的平均值、标准差、最大值、最小值、分位数等信息：
关键代码如下：
4.探索性数据分析
4.1 PM2变量时间序列图
用Pandas工具的plot()方法进行统计绘图，如下：
从图中可以看到，变量PM2在2020年12月20日到2021年2月8日波动性最大；其它时间数值相对稳定。
4.2 PM2变量分布直方图
从图中可以看到，PM2变量成一定的偏态分布。
4.3 相关性分析
通过Pandas工具的corr()方法和seaborn工具的heatmap()方法绘制相关性热力图：
从图中可以看到，正数为正相关，负数为负相关，绝对值越大相关性越强。
5.特征工程
5.1 构建时间序列数据框
构建只包含PM2和DATE的数据框。关键代码如下：
6.构建Prophet时间序列模型
主要使用Prophet算法，用于时间序列预测与异常值检测。
6.1模型参数
编号 |
模型名称 |
参数 |
1 |
Prophet时间序列模型 |
growth="linear" |
2 |
daily_seasonality=False |
|
4 |
weekly_seasonality=False |
|
5 |
seasonality_mode='multiplicative' |
|
6 |
interval_width=0.95 |
7.模型预测
输出预测结果前5行：
其中yhat列为预测值，yhat_lower和yhat_upper为95%置信区间的下边界和上边界预测值。
8.异常值检测
输出异常值的前5行：
从上图可以看出，异常值的数量总共13个。
从上图可以看到，阴影部分为95%置信区间的上下边界区域，异常值主要分布在95%置信区间上边界上面。
9.结论与展望
综上所述，本文采用了Prophet时间序列模型，最终证明了我们提出的模型效果良好。
# 本次机器学习项目实战所需的资料，项目资源如下： # 项目说明： # 获取方式一： # 项目实战合集导航： https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2 # 获取方式二： 链接：https://pan.baidu.com/s/1sdM58c_SAfoSbWD29tilxA 提取码：ttve
