FB Prophet.fit()执行出现异常输出及报错问题咨询

1. <prophet.forecaster.Prophet at 0x2...> 输出说明 #

这就是Python默认的对象内存地址打印，没什么特殊含义。你之前单变量训练时没看到，大概率是之前把.fit()的结果赋值给了变量（比如model = model.fit(df)），这次没赋值，交互式环境就自动输出了模型实例的内存引用。完全不影响模型功能，只是个无关紧要的输出。

2. cmdstanpy报错的含义 #

16:03:40 - cmdstanpy - ERROR - Chain 1 error: error during processing Unknown error Optimization terminated abnormally. Falling back to Newton

• 本质原因：Prophet默认用L-BFGS算法拟合模型，但加了多个额外回归器后，损失函数结构变复杂，L-BFGS找不到最优解，优化中途崩了。
• 别慌，后面的Falling back to Newton是关键：CmdStanPy会自动切换到牛顿法继续完成拟合，这就是为什么你模型还能正常预测——牛顿法搞定了训练。
• 这属于非致命的警告类报错，模型已经通过 fallback 机制正常训练完成。要是不想看到这个提示，可以手动调优化参数：
  • 增大L-BFGS的迭代次数：

    model = Prophet(optimizer="L-BFGS", max_iter=1000)
    

  • 直接指定用牛顿法训练：

    model = Prophet(optimizer="Newton")
    

3. 验证额外回归器是否被模型使用 #

有几个简单方法：

• 查regressors属性：训练完后打印model.regressors，里面会列出所有被模型纳入的额外回归器，还有对应的拟合系数、p值等信息。没被识别的回归器不会出现在这个列表里。
• 对比移除回归器后的预测结果：如果某个回归器真的被模型用到，删掉它重新训练后，预测结果会有明显差异；要是差异微乎其微，只能说明这个回归器对模型贡献小，但不代表没被使用。
• 测试预测输入的完整性：调用model.predict(future_df)时，如果future_df缺了某个你加过的回归器，Prophet会直接报错，这也能反向证明该回归器已经被模型纳入依赖。

内容的提问来源于stack exchange，提问作者Maxl Gemeinderat