Facebook 表示，Prophet 相比现有预测工具更加人性化，并且难得地提供 Python 支持。另外，它生成的预测结果足以和专业数据分析师媲美。
Facebook 把预测任务的流程用下图展示出来：
从图中可以看出，预测共分四个流程：建模，预测评估，表面问题和人工检查。
在建模阶段，当前可用的 Python 工具包寥寥无几。最广为人知的 “ forecast” ，谷歌开发的 CausalImpact， 以及推特的 AnomalyDetection，均是基于 R 语言。很显然，Facebook 想要改变这一点。
从 Facebook 官方声明来看，推出 Prophet，是希望用它来替代 forecast，成为最受欢迎的预测工具。雷锋网(公众号：雷锋网)了解到，相对于后者，Facebook 表示 Prophet 有两大优点：
开发合理、准确的预测模型更加直接。
Prophet 包含许多预测技术，比如 ARIMA 和 exponential smoothing。每一项工具都有它的长处、短处和调节参数。Facebook 表示，选择不恰当的模型或参数会造成让人难以满意的结果；而即便是有经验的数据分析师在选择模型、参数上也经常遇到困难。言下之意是，Prophet 将着重改善这方面的体验，让模型、参数的选择更直观。
用 Prophet 做出的预测，能够以对普通人更加直观的方式进行定制。
Prophet 有针对周期性的平滑参数（smoothing parameters for seasonality），允许开发者调整与历史周期的匹配程度。它还有针对趋势的平滑参数，能够调整对历史趋势变化的紧跟程度。对于增长曲线（growth curves），开发者能人工设置上限，即 capacities，把关于“该预测如何增长（或下降）”的先验信息注入进去。最后，开发者还能设置不规则日期，来对超级碗、感恩节、黑色星期五之类的特殊日子进行建模。
在它的核心，Prophet 是一个可加回归模型（additive regression model），它有四个组成部分：
一个分段的线性或逻辑增长曲线趋势。Prophet 通过提取数据中的转变点，自动检测趋势变化。
一个按年的周期组件，使用傅里叶级数（Fourier series）建模而成。
一个按周的周期组件，使用虚拟变量（dummy variables）。
用户设置的重要节日表。
雷锋网获知，Prophet 针对的是商业预测任务，适用于具备以下特征的场景：
针对每小时、每天或每星期的观察频次，有至少数月（理想情况的一年）的历史记录。
多重显著的“人类层级”周期性：星期X以及年份。
日期间隔不规则的重要节日（比如超级碗），需要事先得知。
观察缺失或是异常值在合理范围内。
历史趋势变化，比如产品发布或者改写记录（logging changes）。
符合非线性增长曲线的趋势，有天然上、下限或者饱和点。
想要进一步了解 Prophet 的读者，请参考以下链接：
Facebook 博客：https://research.fb.com/prophet-forecasting-at-scale/
使用指南：https://facebookincubator.github.io/prophet/docs/quick_start.html
文件：http://facebookincubator.github.io/prophet/
本文作者：三川 本文转自雷锋网禁止二次转载， 原文链接 相关资源：python 时间序列预测 —— prophet