如何在Facebook Prophet中获取周频率的performance_metrics结果

我出于学习目的，使用prophet库处理经典航空乘客数据集（月度频率）。相关讨论指出该数据集无法按Prophet标准频率执行交叉验证，于是我调用cross_validation()时传入周频率参数：

model = Prophet()
model.fit(df)
future_dates = model.make_future_dataframe(periods=36, freq='MS')

df_cv = cross_validation(model, 
                         initial='300 W', 
                         period='5 W', 
                         horizon = '52 W')
df_cv.head()

但调用performance_metrics函数后，返回的horizon列却是日频率：

df_p = performance_metrics(df_cv)
df_p.head()

我查阅文档和函数说明后仍未解决，请问如何获取周频率的performance_metrics结果？

解决方案 #

1. 先将交叉验证结果聚合为周频率 #

performance_metrics的输出粒度依赖于输入df_cv的时间粒度，由于Prophet在处理非标准频率时会生成日级别的预测记录，因此需要先将df_cv按周聚合，再传入函数计算指标。

示例代码：

import pandas as pd

# 按周分组，以周日作为周结束节点，聚合相关字段
df_cv_weekly = df_cv.groupby(pd.Grouper(key='ds', freq='W')).agg({
    'y': 'mean',          # 原始值取周均值
    'yhat': 'mean',       # 预测值取周均值
    'yhat_lower': 'mean', # 预测下限取周均值
    'yhat_upper': 'mean', # 预测上限取周均值
    'cutoff': 'last'      # 每组保留最后一个划分时间点
}).reset_index()

# 计算周级别的horizon：将日期间隔转换为周数
df_cv_weekly['horizon'] = (df_cv_weekly['ds'] - df_cv_weekly['cutoff']).dt.days // 7

# 传入performance_metrics获取周频率结果
df_p_weekly = performance_metrics(df_cv_weekly)
df_p_weekly.head()

2. 手动按周分组计算性能指标 #

如果需要更灵活的指标计算逻辑，可以直接对df_cv按周级horizon分组，手动统计各项指标：

import numpy as np

# 将原始日级horizon转换为周数
df_cv['horizon_weeks'] = df_cv['horizon'].dt.days // 7

# 按周数分组计算性能指标
df_p_weekly = df_cv.groupby('horizon_weeks').agg(
    mse=('y', lambda x: np.mean((x - df_cv.loc[x.index, 'yhat'])**2)),
    mae=('y', lambda x: np.mean(np.abs(x - df_cv.loc[x.index, 'yhat']))),
    mape=('y', lambda x: np.mean(np.abs((x - df_cv.loc[x.index, 'yhat'])/x)) * 100)
).reset_index()

注意事项 #

• 原始数据集为月度频率，周级预测属于对月度数据的拆分，选择均值作为聚合统计量是合理的（代表每周平均乘客数量）；若原始数据为月度总量，也可根据需求选择求和等其他统计量。
• 聚合后horizon列会以整数形式表示周数（如1代表第1周，52代表第52周），此时performance_metrics返回的结果即为周频率粒度。

内容的提问来源于stack exchange，提问作者Andrea Ciufo