预测服务中使用的统计技术

预测服务目前支持Prophet，并且已经证明对于大多数数据高效可靠的工作。 Prophet是Meta开发的一个广泛使用的开源预测软件包。 它将数据分解为趋势、季节性和事件组件。 Prophet模型具有高效、扩展性好的特点，可以应用于许多预测领域。 此外，该模型对离群值和缺失数据有很好的抗噪能力。

未来有基于启发式的模型选择方案，例如在线近似高斯过程用于流数据，或者当用户指定最佳预测精度并且允许较长的等待时间时，选择NeuralProphet。

当数据点过多时，服务会自动缩减数据，以确保响应时间。 目标响应时间设置为约3秒。 目前，当数据点数超过5500时，时间序列数据会根据数据长度进行自适应缩减采样。 由于将输出频率转换回原始数据频率，所以自适应采样过程不会影响用户体验。

当有多年的数据可用时，会考虑假期的影响。 目前，考虑的假日包括：

该服务还可以执行简单的异常（离群值）删除，例如通过删除六西格玛范围以外的数据点。 默认情况下不启用此功能，因为假定所有数据点都有效。 异常可能会对模型质量产生负面影响，即使先知模型通常能够抵御异常值。

该服务接受用户指定的季节性设置，例如每日和每周的季节性设置。 否则，模型会自动选择季节性。 对于不同的数据粒度，该服务使用不同长度的历史数据来构建预测模型。 例如，对于每日数据，它会提取超过一年的数据（如果可用）。 对于每小时数据，它会收集八周的数据（如果可用）。 提取数据可能非常耗时，并且有时会导致等待时间较长。

不同时间粒度所需的历史数据：

每个指定时间的预测结果都带有一个预测区间（由下限和上限定义），该预测区间预期包含未来观察值的95%的时间，通常称为置信区间。 该服务对未来的预测范围没有限制。 但是，随着日期进一步推移，预测的不确定性会增加，这反映在较长的预测间隔中。

该服务对用户数据不做任何假设。 例如，服务不假定数据为非负数。 这意味着，如果数据表现出强烈的下降趋势，即使所有观测数据点都是非负数，预测值和/或它们的范围可以是负数。

引用