如何在Python Facebook Prophet中获取图表方程与R平方值

提取趋势的斜率和截距 #

Prophet的趋势模型分为线性和logistic两种，核心参数存储在模型的params属性中：

线性趋势场景 #

线性趋势公式为：trend = k + β*t，其中t是从数据起始日期开始的天数（数值型）。拟合模型后直接提取参数：

from prophet import Prophet
import pandas as pd

# 拟合模型
df = pd.read_csv("your_data.csv")
m = Prophet(growth="linear")
m.fit(df)

# 提取斜率(β)和截距(k)
slope = m.params["beta"][0]
intercept = m.params["k"][0]
print(f"趋势方程: y = {slope:.4f}*t + {intercept:.4f}")

Logistic趋势场景 #

若使用logistic增长（需提前设置cap参数），趋势公式为：trend = cap / (1 + exp(-(k + β*t)))，参数提取方式类似：

# 示例：设置容量值
df["cap"] = 1000
m = Prophet(growth="logistic")
m.fit(df)

slope = m.params["beta"][0]
intercept = m.params["k"][0]
cap = df["cap"].iloc[0]
print(f"趋势方程: y = {cap} / (1 + exp(-({intercept:.4f} + {slope:.4f}*t)))")

注意：若模型设置了变点（changepoints），趋势会是分段线性的，单一斜率截距仅代表某一段趋势。可通过forecast['trend']获取各时间点的趋势值，对分段单独计算斜率。

计算R平方值 #

Prophet未内置R平方计算，可通过实际值与预测值手动计算（逻辑与Excel一致）：

from sklearn.metrics import r2_score

# 生成预测结果
forecast = m.predict(df)

# 匹配实际值与预测值
actual_values = df["y"]
predicted_values = forecast["yhat"]

# 计算R平方
r2 = r2_score(actual_values, predicted_values)
print(f"R平方值: {r2:.4f}")

关于Prophet的utilities工具包 #

utilities工具包主要用于辅助数据预处理（如生成节假日数据集），并不提供参数提取或拟合指标计算的功能，核心模型参数均存储在m.params中。

内容的提问来源于stack exchange，提问作者Juan Gut