Prophet \u00e9 uma ferramenta de previs\u00e3o projetada para analisar dados de s\u00e9ries temporais. \u00c9 um procedimento de previs\u00e3o de dados de s\u00e9ries temporais baseado em um modelo aditivo onde tend\u00eancias n\u00e3o lineares s\u00e3o ajustadas \u00e0 sazonalidade anual, semanal e di\u00e1ria, al\u00e9m de efeitos de feriados. Foi desenvolvido pela equipe de pesquisa do Facebook e est\u00e1 dispon\u00edvel como software de c\u00f3digo aberto.<\/p>\n
O Prophet foi inicialmente desenvolvido e lan\u00e7ado pela equipe Core Data Science do Facebook em 2017. O objetivo principal era fornecer uma ferramenta que pudesse ser facilmente utilizada por analistas e desenvolvedores, sem a necessidade de amplo conhecimento estat\u00edstico. Sua implementa\u00e7\u00e3o em Python e R tornou-o acess\u00edvel a um p\u00fablico amplo e rapidamente ganhou popularidade em v\u00e1rios setores por sua capacidade de lidar com os desafios da previs\u00e3o em escala.<\/p>\n
O Prophet se tornou uma ferramenta fundamental na previs\u00e3o de s\u00e9ries temporais, gra\u00e7as \u00e0 sua flexibilidade e robustez. Os detalhes a seguir expandem os componentes do Profeta:<\/p>\n
O Prophet usa um modelo aditivo que combina esses componentes e incorpora intervalos de incerteza para capturar a incerteza nas previs\u00f5es.<\/p>\n
O funcionamento do Prophet \u00e9 definido pelo seu modelo aditivo que combina diferentes componentes:<\/p>\n
O modelo \u00e9 ajustado usando uma varia\u00e7\u00e3o da estrutura do Modelo Aditivo Generalizado (GAM) e usa Stan, uma linguagem de programa\u00e7\u00e3o probabil\u00edstica para estimativa.<\/p>\n
Existe principalmente um tipo de modelo Profeta, mas ele pode ser configurado para diferentes tipos de crescimento:<\/p>\n