Prophet周度聚合数据建模如何设置节假日lower/upper_window参数

窗口参数单位说明 #

lower_window和upper_window的单位固定为天，和输入的训练数据时间粒度没有关系。Prophet内部做节假日特征匹配时，是按自然日的时间差计算窗口范围，不会因为传入周度聚合数据就自动把窗口单位切换为周。

周度场景下的参数取值方法 #

设置参数前必须先完成1步前置操作：把所有节假日的ds日期，对齐到你周度数据使用的周锚点日期——比如你的周度数据是用每周一作为当周的日期标识，就把所有节假日日期转换为它所在周的周一；如果是用每周日做标识，就对齐到对应周日，否则模型无法把节假日和周度记录匹配上。

对齐锚点后，窗口值按你需要覆盖的影响范围按天计算即可：

• 如果只需要节假日所在周体现节假日效应，不需要覆盖前后周：直接设lower_window=0、upper_window=0即可，此时窗口只会匹配到节假日对齐后的那一条周度记录。
• 如果需要覆盖节假日前1周+当周+节后1周的影响：按一周7天计算，设lower_window=-7、upper_window=7即可。
• 如果业务场景里节假日只影响节前1周+当周，不影响节后：设lower_window=-7、upper_window=0即可，其余覆盖范围可以按7天=1周的逻辑类推。

注意不要直接沿用日度场景下-1/1的窗口取值：周度数据的日期间隔是7天，±1天的窗口范围只会覆盖锚点日期前后1天，根本匹配不到相邻周的记录，最终会导致节假日效应计算失效。

周度场景示例代码 #

假设周度数据以每周一作为周起始日期，需要覆盖超级碗前后各1周的影响，代码如下：

import pandas as pd

superbowls = pd.DataFrame({
  'holiday': 'superbowl',
  # 把原始节假日日期对齐到所在周的周一（周锚点）
  'ds': pd.to_datetime(['2010-02-07', '2014-02-02', '2016-02-07']).to_period('W').dt.start_time,
  # 前后各1周对应±7天
  'lower_window': -7,
  'upper_window': 7,
})

内容的提问来源于stack exchange，提问作者Sarang Manjrekar