FB datavitenskapsteam så det nærme seg dataalderen. De opprettet sin profet for å forutsi data. Selv om bruken ikke er begrenset til aksjer, er den et hendig verktøy for alle som prøver å forstå tall og bevegelser. Ifølge dem ble profeten skapt til å:
gjøre det enklere for eksperter og ikke-eksperter å lage prognoser av høy kvalitet som holder tritt med etterspørselen
Hvor profeten glitrer
Ikke alt-avgjørende problemer kan løses med en lignende teknikk. Profeten er forbedret for forretningsestimatoppgavene vi har opplevd på Facebook, som vanligvis har noen av de medfølgende egenskapene:
- hver time, hver dag eller uke etter uke oppfatninger med et sted rundt et par måneder (ideelt sett en lengre periode) med historie
- solide forskjellige "menneskelige" sesongvariasjoner: ukedag og sesong
- viktige anledninger som skjer på sporadiske strekninger som er kjent på forhånd (f.eks. Super Bowl)
- et fornuftig antall manglende oppfatninger eller enorme anomalier
- registrerte mønsterendringer, for eksempel på grunn av vareutsendelser eller loggingendringer
- mønstre som er ikke-direkte utviklingsbøyninger, der et mønster treffer en karakteristisk cutoff eller fordyper seg
Hvordan profeten fungerer
I sentrum er Profet-metodikken en ekstra stofftilbakefallsmodell med fire hoveddeler:
- Et stykkevis direkte eller beregnet utviklingsbøymønster. Profeten skiller følgelig ut endringer i mønstre ved å velge endringspunkter fra informasjonen.
- En årlig sporadisk del vises ved bruk av Fourier-serien.
- En uke for uke sporadisk del som bruker falske faktorer.
- En klient ga en oversikt over viktige anledninger.
y(t) = g(t) + s(t) + h(t) + ϵ
- G (t) modellerer et mønster som viser en utstrakt økning eller avtagende informasjon. Profeten slår sammen to mønstermodeller, en fordybende utviklingsmodell og en stykkevis direkte modell, avhengig av hva slags forutseende problemstilling.
- s(t) modellerer uregelmessighet med Fourier-serien, som viser hvordan informasjon påvirkes av sporadiske faktorer som årstiden (f.
- h(t) modellerer virkningen av anledninger eller enorme anledninger som påvirker forretningstidsserier ϵ. tar for seg et siste feilbegrep
Oppsett
Start med å importere alle nødvendige biblioteker. Hvis du ikke allerede har Prophet installert, kan du enkelt installere den med pip.
pip installer fbprophet
Hvis du får følgende feilmelding mens du bruker Jupiter
Bruk kommando
conda install -c conda-forge fbprophet
importer json
importer datatidimporter nummen som np
fra fbprophet import Profet
importer pandaer som pd
importforespørsler
import import_ipynb
import pre som forbehandling
importer matplotlib.pyplot som pltfra fbprophet.plot import plot_cross_validation_metric
importer matematikk
endepunkt = 'https://min-api.cryptocompare.com/data/histoday'
res = requests.get(endepunkt + '?fsym=USDT&tsym=CAD&limit=500')hist = pd.DataFrame(json.loads(res.content)['Data'])
hist = hist.set_index('tid')
hist.index = pd.to_datetime(hist.index, unit='s')target_col = 'lukk'hist.head(5)
hist['y']=(hist['high']+hist['low'])/2
hist['ds']=hist.indeksmodell = profet()
model.fit(hist);fremtid = model.make_future_dataframe(periods=30)
#prognose for 1 år fra nå.prognose = model.predict(future)figur=modell.plot(prognose)
fig2 = model.plot_components(prognose)
Her representerer trenden den generelle trenden til aksjen. Ukentlig representerer den sykliske naturen på en ukentlig måte og årlig forteller oss den sykliske naturen i et år. Fig2 brukes til å bryte ned produksjonen i kjernekomponentene.
Det er det!
Bruk dette trikset for å forutsi og tjene penger.
Fant du denne artikkelen nyttig? Følg meg (Rahula Raj) på Medium og sjekk ut mine mest populære artikler nedenfor! Vennligst 👏 denne artikkelen for å dele den!
_________________________________________________________________
Åpen for samarbeid
Kontakt meg på rahular2020@iimbg.ac.in.
_________________________________________________________________
- '
- Alle
- rundt
- Artikkel
- artikler
- virksomhet
- samarbeid
- innhold
- Par
- CryptoCompare
- cryptocurrency
- dato
- dag
- Utvikling
- Endpoint
- EU
- EV
- eksperter
- følge
- framtid
- Høy
- Hvordan
- HTTPS
- stort
- ia
- importere
- indeks
- informasjon
- IP
- saker
- IT
- læring
- Begrenset
- LP
- maskinlæring
- medium
- modell
- penger
- måneder
- Mest populær
- MS
- tall
- Mønster
- Populær
- Vitenskap
- Serien
- Del
- lager
- aksjer
- substans
- Super Bowl
- forteller
- tid
- us
- uke
- ukentlig
- Arbeid
- år