摘要：
## 异常值 异常值可以影响Prophet的预测结果，主要有两种方式。下面的示例中，我们使用之前提到的R页面的日志化维基百科访问量数据进行预测，但添加了一段错误的数据： ```python # Python df = pd.read_csv('https://raw.githubuserconten 阅读全文
摘要：
## 不确定性间隔 默认情况下，Prophet将为预测的yhat返回不确定性区间。这些不确定性区间背后有几个重要的假设。 预测中存在三种不确定性来源：趋势的不确定性、季节性估计的不确定性以及额外的观测噪声。 ### 趋势的不确定性 预测中最大的不确定性源是未来趋势变化的潜在性。在本文档中已经看到的时 阅读全文
摘要：
## 乘积季节模型 默认情况下，Prophet采用加法季节性拟合，就是说季节性效应被添加到趋势中以进行预测。但下面这个描述乘客数量的时序例子，则不适合使用加法季节性算法： ``` # Python df = pd.read_csv('https://raw.githubusercontent.com 阅读全文