Facebook NeuralProphet - 从 pickle 加载模型进行预测
Facebook NeuralProphet - Loading model from pickle for prediction
我有一个每周作业，它从 csv 文件中读取数据并基于 NeuralProphet 创建模型并转储 pickle 文件以备后用。
from neuralprophet import NeuralProphet
from matplotlib import pyplot as plt
import pandas as pd
import pickle
data_location = /input_data/
df = pd.read_csv(data_location + 'input.csv')
np = NeuralProphet()
model = np.fit(df, freq="5min")
with open('model/neuralprophet_model.pkl', "wb") as f:
# dump information to that file
pickle.dump(model, f)
以上 python 代码每周运行一次，并将模型文件转储到一个文件中。
现在，我有一个不同的 python 文件，它加载 pickle 文件并对未来日期进行预测。
比方说，我在一个 csv 文件中有过去 2 年的数据，并从中创建了模型。现在，我想根据上述模型预测未来。
from neuralprophet import NeuralProphet
import pandas as pd
import pickle
with open('model/neuralprophet_model.pkl', "rb") as f:
model = pickle.load(file)
# To get a next 1 hour prediction by 5mins interval
future = model.make_future_dataframe(periods=12, freq='5min')
forecast = model.predict(future)
这是正确的吗？在这里，我没有将数据传递给 make_future_dataframe。但是，所有互联网示例也会传递数据。因为，数据是用来训练模型的，所以我只是在这里使用模型。为什么我们还需要在这里传递数据，因为我们使用基于模型的预测（对于某个未知的未来日期）？
NeuralProphet 模型（pickle 文件）只是一个训练有素的神经网络...最简单的类比是训练线性回归模型（来自 sci-kit learn 等）...y = Ax + b 其中你已经训练了 A 和 b 向量。没有 x，这些向量不能单独产生 y。本例中的模型只是 A 和 b 向量。现在neuralprophet使用的是自回归前馈神经网络，所以向量项比较多，而且不都是线性的
这就是为什么 NeuralProhpet 需要 model.fit 中的历史数据...历史数据是 x。 x 可以来自您用于训练 A 和 b 的相同数据集，或者 x 可以来自不同但统计相似的数据集（您可以使用 d-bar 测试来确定和置信区间来确定此处的相似性）。
这就是我们在大多数监督学习应用程序中使用模型的方式...在一个样本数据集上训练并应用于预测类似数据集的结果。
我有一个每周作业，它从 csv 文件中读取数据并基于 NeuralProphet 创建模型并转储 pickle 文件以备后用。
from neuralprophet import NeuralProphet
from matplotlib import pyplot as plt
import pandas as pd
import pickle
data_location = /input_data/
df = pd.read_csv(data_location + 'input.csv')
np = NeuralProphet()
model = np.fit(df, freq="5min")
with open('model/neuralprophet_model.pkl', "wb") as f:
# dump information to that file
pickle.dump(model, f)
以上 python 代码每周运行一次，并将模型文件转储到一个文件中。
现在，我有一个不同的 python 文件，它加载 pickle 文件并对未来日期进行预测。
比方说，我在一个 csv 文件中有过去 2 年的数据，并从中创建了模型。现在，我想根据上述模型预测未来。
from neuralprophet import NeuralProphet
import pandas as pd
import pickle
with open('model/neuralprophet_model.pkl', "rb") as f:
model = pickle.load(file)
# To get a next 1 hour prediction by 5mins interval
future = model.make_future_dataframe(periods=12, freq='5min')
forecast = model.predict(future)
这是正确的吗？在这里，我没有将数据传递给 make_future_dataframe。但是，所有互联网示例也会传递数据。因为，数据是用来训练模型的，所以我只是在这里使用模型。为什么我们还需要在这里传递数据，因为我们使用基于模型的预测（对于某个未知的未来日期）？
NeuralProphet 模型（pickle 文件）只是一个训练有素的神经网络...最简单的类比是训练线性回归模型（来自 sci-kit learn 等）...y = Ax + b 其中你已经训练了 A 和 b 向量。没有 x，这些向量不能单独产生 y。本例中的模型只是 A 和 b 向量。现在neuralprophet使用的是自回归前馈神经网络，所以向量项比较多，而且不都是线性的
这就是为什么 NeuralProhpet 需要 model.fit 中的历史数据...历史数据是 x。 x 可以来自您用于训练 A 和 b 的相同数据集，或者 x 可以来自不同但统计相似的数据集（您可以使用 d-bar 测试来确定和置信区间来确定此处的相似性）。
这就是我们在大多数监督学习应用程序中使用模型的方式...在一个样本数据集上训练并应用于预测类似数据集的结果。