معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Automatic Forecasting Procedure

ویژگی	مقدار
سیستم عامل	-
نام فایل	fbprophet-0.7.1
نام	fbprophet
نسخه کتابخانه	0.7.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Sean J. Taylor <sjtz@pm.me>, Ben Letham <bletham@fb.com>
ایمیل نویسنده	sjtz@pm.me
آدرس صفحه اصلی	https://facebook.github.io/prophet/
آدرس اینترنتی	https://pypi.org/project/fbprophet/
مجوز	MIT

# Prophet: Automatic Forecasting Procedure Prophet is a procedure for forecasting time series data based on an additive model where non-linear trends are fit with yearly, weekly, and daily seasonality, plus holiday effects. It works best with time series that have strong seasonal effects and several seasons of historical data. Prophet is robust to missing data and shifts in the trend, and typically handles outliers well. Prophet is [open source software](https://code.facebook.com/projects/>) released by [Facebook's Core Data Science team ](https://research.fb.com/category/data-science/). Full documentation and examples available at the homepage: https://facebook.github.io/prophet/ ## Important links - HTML documentation: https://facebook.github.io/prophet/docs/quick_start.html - Issue tracker: https://github.com/facebook/prophet/issues - Source code repository: https://github.com/facebook/prophet - Implementation of Prophet in R: https://cran.r-project.org/package=prophet ## Other forecasting packages - Rob Hyndman's [forecast package](http://robjhyndman.com/software/forecast/) - [Statsmodels](http://statsmodels.sourceforge.net/) ## Installation ```shell pip install fbprophet ``` Note: Installation requires PyStan, which has its [own installation instructions](http://pystan.readthedocs.io/en/latest/installation_beginner.html). On Windows, PyStan requires a compiler so you'll need to [follow the instructions](http://pystan.readthedocs.io/en/latest/windows.html). The key step is installing a recent [C++ compiler](https://visualstudio.microsoft.com/visual-cpp-build-tools/) ## Installation using Docker and docker-compose (via Makefile) Simply type `make build` and if everything is fine you should be able to `make shell` or alternative jump directly to `make py-shell`. To run the tests, inside the container `cd python/fbprophet` and then `python -m unittest` ### Example usage ```python >>> from fbprophet import Prophet >>> m = Prophet() >>> m.fit(df) # df is a pandas.DataFrame with 'y' and 'ds' columns >>> future = m.make_future_dataframe(periods=365) >>> m.predict(future) ```

زبان مورد نیاز

مقدار	نام
>=3	Python

نحوه نصب

نصب پکیج whl fbprophet-0.7.1:

pip install fbprophet-0.7.1.whl

نصب پکیج tar.gz fbprophet-0.7.1:

pip install fbprophet-0.7.1.tar.gz