[Python] fbprophet를 사용한 시계열 데이터 예측

Intro

오늘 포스팅에서 다룰 주제는 Facebook에서 공개한 FBprophet 라이브러리를 활용한 시계열 데이터 예측입니다.

해당 라이브러리에 대한 자료는 아리 링크에서 확인하실수 있습니다.

• https://facebook.github.io/prophet/docs/quick_start.html

해당 데이터는 캐글에 공개된 아보카도의 가격 관련 데이터입니다.

• https://www.kaggle.com/neuromusic/avocado-prices

오늘 사용할 데이터 셋의 구성과 설명은 아래와 같습니다. 

예측 진행 과정 

FBprophet 라이브러리는 학습을 위해서 

1. 시간(Timeline)
2. 예측값

데이터를 필요로 합니다.

따라서 아래와 같이 Date 칼럼과 오늘의 예측값인 AveragePrice를 준비해 줍니다.

• region을 grouping하여 해당 그룹들을 기준으로 Data에 따른 AveragePrice를 가지고 옴
• 여기선 TotalUS(즉 모든 그룹들)의 자료를 가지고 옴

결과 해석 

• 모델을 불러온 후 위에서 처리한 data_price를 파라미터로 줌
• make_future_dataframe를 통해 기간 설정하며 predict를 통해 예측 진행 - periods=365는 향후 365일을 예측하겠다는 뜻

• 위 그래프를 통해 가격에 대한 향휴 365일의 예측값을 확인할 수 있음. 
• 중간 그래프를 통해 큰 틀에서의 트랜드를, 아래 그래프를 통해 최근 1년동안의 트랜드를 파악할수 있음