时间预测fbprophet

新冠预测

导包

1 import pandas as pd
2 import numpy as np
3 import matplotlib.pyplot as plt
4 from fbprophet import Prophet
5 data=pd.read_csv('covid_19_data.csv')

 　　　　　　　　　　　　　　　　　　图 1-1 data数据集

数data括各个地方十几万条数据，这里我选取湖北省来进行确诊预测.

提取信息

1 # 在湖北省数据中提取日期和确诊数两个label
2 hubei_confirm=data[['ObservationDate','Confirmed'][data['Province/State']=='Hebei']
3 # 重新索引
4 hubei_confirm.reset_index(drop=True,inplace=True)

           图1-2  提取后的湖北确诊数据

　　图 1-3  湖北确诊数据信息

因为没有缺失数据，我们可以直接用模型预测

1 # 将列名改为官方默认的名称
2 hubei_confirm.columns=['ds','y']
3 # 将日期改为标准日期格式
4 hubei_confirm['ds']=pd.to_datetime(hubei_confirm['ds'])

 　　图 1-4 更改格式后湖北确诊信息

 模型训练

1 m_v2=Prophet()
2 #添加中国节假日，可能影响确诊人数
3 m_v2.add_country_holidays(country_name='CN')
4 m_v2.fit(hubei_confirm)

1 # 以天为单位，预测30次，也就是预测一个月
2 future_v2=m.make_future_dataframe(freq='D',periods=30)
3 forecast_v2=m.predict(future)
4 # forecast_v2记录着预测的疫情时间，预测值，预测波动范围
5 forecast_v2[['ds','yhat','yhat_lower','yhat_upper']].tail()

 　　　　　　　　　　　　　　　　图  1-5 湖北疫情确诊一个月预测图

黑色的点是实际确诊数，深蓝色的线是预测值，浅蓝色是我们预测的波动范围，可以看出预测出了未来一个月的数据。

 　　　　　　　　　　　　　　　　图 1-6一个月湖北疫情确诊预测数据

我们可以根据图形看确诊人数走向，根据表格查看具体确诊人数.预测一个季度同理

1 m=Prophet()
2 m.fit(hubei_confirm)
3 future=m.make_future_dataframe(freq='D',periods=90)
4 forecast=m.predict(future)
5 forecast[['ds','yhat','yhat_lower','yhat_upper']].tail()

 　　　　　　　　　　　　　　　　图 1-7 一个季度湖北疫情确诊预测数据

 　　　　　　　　　　　　　　　　图  1-8 湖北疫情确诊一个季度预测图

 

标签：确诊,预测,confirm,v2,hubei,future,时间,fbprophet
来源： https://www.cnblogs.com/ld66/p/15367415.html