客户何时到达的预测使用什么模型？

要预测客户何时到达，可以使用时间序列预测模型，如ARIMA（自回归滑动平均模型）或Prophet模型。以下是一个使用Prophet模型的示例代码：

import pandas as pd
from fbprophet import Prophet

# 读取数据
data = pd.read_csv('data.csv')
data['ds'] = pd.to_datetime(data['ds'])

# 创建Prophet模型
model = Prophet()

# 训练模型
model.fit(data)

# 创建未来时间序列
future = model.make_future_dataframe(periods=365)  # 预测未来365天的数据

# 进行预测
forecast = model.predict(future)

# 打印预测结果
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())

在上述代码中，首先读取包含历史数据的CSV文件，确保数据中包含日期（ds）和目标变量（y）。然后，创建Prophet模型并训练模型。接下来，创建一个未来时间序列，用于预测客户何时到达。最后，通过调用model.predict()方法进行预测，并打印出预测结果。

请注意，上述代码仅为示例，实际应用中可能需要根据数据的特点进行适当的调整和优化。还可以尝试其他时间序列预测模型，如ARIMA等，根据实际情况选择最适合的模型。