了解facebook的先知

如何解决了解facebook的先知

我无法理解 facebook 的先知的交叉验证。我有一个 ARIMA 模型，该模型将数据拆分为训练集和测试集，并通过使用训练集拟合模型来执行滚动预测，并为测试集上的每个元素生成预测。

def ARIMA_forecast(series):
    X = series.values
    size = int(len(X) * 0.85)
    train,test = X[0:size],X[size:len(X)]
    history = [x for x in train]
    predictions = list()
    for t in range(len(test)):
        model = ARIMA(history,order=(3,1,3))
        model_fit = model.fit(disp=0)
        output = model_fit.forecast()
        yhat = output[0]
        predictions.append(yhat)
        obs = test[t]
        history.append(obs)
        print('predicted=%f,expected=%f' % (yhat,obs))
    plt.plot(series,label='Training data')
    plt.plot(series[size:len(X)].index,test,color='blue',label='Actual Price')
    plt.plot(series[size:len(X)].index,predictions,color='red',label='Predicted Price')
    plt.legend()
    plt.show()

我想用我的数据实现与 prophet 类似的事情，但我很难理解 Prophet 的交叉验证功能。目前我有这个功能：

def prophet_forecast(data):
    data['Date'] = to_datetime(data['Date'])
    data = data.rename(columns={"Date": "ds","Adj Close": "y"})
    m = Prophet()
    size = int(len(data) * 0.85)
    train = data.loc[0:size]
    m.fit(train)
    df_cv = cross_validation(m,initial=size,period=1,horizon=int(len(data)) - size)

prophet 文档中提供的示例使用每日数据，但在我的数据集中，观察结果各不相同，而且时间不一致。我的目标是做出类似于 onein ARIMA 模型的预测。我想将数据分成训练集和测试集，将模型与训练集拟合，并对数据集的其余部分进行预测，并将它们与测试集进行比较。在我的示例中，如果我理解正确，我将初始设置为大小，因为这是我想要的训练数据量，地平线设置为测试集的大小，最后我将周期设置为 1，因为我想滚动通过为测试集上的每个元素生成预测来预测。然而，这似乎是不正确的，我只是不知道如何在非日常数据时设置 cross_validaion 参数。

我的数据集是 1 年的 Facebook 股价： https://finance.yahoo.com/quote/FB/history?p=FB

我怎样才能实现我的目标？有没有人做过类似的事情并且可以分享他们的代码？我完全误解了 cross_validation 函数吗？

感谢任何帮助。