先知模型中假期的较大不确定性

DataWookie

我正在与先知建立时间序列模型，并得到一些奇怪的行为，因为我不了解假期周围的不确定性。

数据来自Google趋势，并且与“花朵”一词的搜索有关。

library(dplyr)
library(gtrendsR)
library(prophet)

flowers <- gtrends("flowers")$interest_over_time

flowers <- flowers %>% select(ds = date, y = hits)

如您所料，这个时间序列在两个重要的日子达到顶峰：情人节和母亲节。

为了在模型中考虑这些天，我创建了一个数据框，其中包含感兴趣期间的相关日期。

holidays <- rbind(
  data.frame(
    holiday = "mothers_day",
    ds = as.Date(c(
      # Second Sunday of May.
      '2014-05-11',
      '2015-05-10',
      '2016-05-08',
      '2017-05-14',
      '2018-05-13',
      '2019-05-12',
      '2020-05-10'
    )),
    lower_window = -7,       # Extend holiday to 7 days before nominal date
    upper_window = +7,       # Extend holiday to 7 days after nominal date
    prior_scale = 1
  ),
  data.frame(
    holiday = "valentines_day",
    ds = as.Date(c(
      '2014-02-14',
      '2015-02-14',
      '2016-02-14',
      '2017-02-14',
      '2018-02-14',
      '2019-02-14',
      '2020-02-14'
    )),
    lower_window = -7,       # Extend holiday to 7 days before nominal date
    upper_window = +7,       # Extend holiday to 7 days after nominal date
    prior_scale = 1
  )
)

由于时间序列数据是每周间隔的，因此我使用lower_window和upper_window扩展了假期在标称日期两侧的影响。

现在，利用这些假期休息一下。

flowers_prophet <- prophet(
  holidays = holidays,
  mcmc.samples = 300
)

flowers_prophet <- fit.prophet(
  flowers_prophet,
  flowers
)

有了模型，我们可以进行预测。

flowers_future <- make_future_dataframe(flowers_prophet,
                                        periods = 52,
                                        freq = 'week')

flowers_forecast <- predict(flowers_prophet, flowers_future)

prophet_plot_components(flowers_prophet, flowers_forecast)

这就是事情变得奇怪的地方。

趋势和年度变化看起来完全合理。与历史假期相关的变化看起来也不错。2020年母亲节看起来不错。但是，2020年情人节的预测值较小（相对于历史值），不确定性非常大。

实际的时间序列看起来不错：历史值非常合适，并且对2020年母亲节的预测非常合理。但是，2020年情人节的价值和不确定性看起来并不正确。

如果有人能帮助我理解为什么这两个假期的预测如此不同，我将不胜感激。

乔恩·斯普林

由于情人节总是14日，但google趋势数据每7天显示一次，因此历史数据中存在偏差。在2016年，高峰期是假期前整周的“ 2016-02-07”这一周，而第二年的高峰周则是假期前2天的“ 2017-02-12”。

library(lubridate)
flowers %>%  
  filter(month(date) == 2) %>%
  group_by(yr = year(date)) %>%
  arrange(-hits) %>%
  slice(1)

# A tibble: 5 x 7
# Groups:   yr [5]
  date                 hits keyword geo   gprop category    yr
  <dttm>              <int> <chr>   <chr> <chr>    <int> <dbl>
1 2015-02-08 00:00:00    87 flowers world web          0  2015
2 2016-02-07 00:00:00    79 flowers world web          0  2016
3 2017-02-12 00:00:00    88 flowers world web          0  2017
4 2018-02-11 00:00:00    91 flowers world web          0  2018
5 2019-02-10 00:00:00    89 flowers world web          0  2019

我怀疑问题在于，先知在某些情况下将14号解释为接近高峰，有时甚至是高峰之后整整一周。它看到一个峰值，但其时间与您指定的假期日期不一致。我不太确定如何解决此问题，而无需手动消除时间上的不一致。

如果我们将假期调整为与数据中所对应的日期对齐，则会得到更好的拟合度：

...  # using this list for valentines day dates, corresponding to peaks in data
holiday = "valentines_day",
    ds = as.Date(c(
      '2015-02-08',
      '2016-02-07',
      '2017-02-12',
      '2018-02-11',
      '2019-02-10',
      '2020-02-09'  # Corresponds to the Sunday beforehand, like prior spikes here
    ))
...

导致：