Facebook NeuralProphet - 从 pickle 加载模型进行预测

Question

我每周都有一个工作，从 csv 文件读取数据并基于 NeuralProphet 创建模型并转储 pickle 文件以供以后使用。

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)

上面的 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 文件并预测未来的日期。

可以说，我在 csv 文件中保存了过去 2 年的数据，并从中创建了模型。现在，我想根据上面的模型来预测未来。

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，所有互联网示例也传递数据。由于数据用于训练模型，因此我在这里仅使用模型。当我们使用基于模型的预测（对于某些未知的未来日期）时，为什么我们还需要在这里传递数据？

Answer 1

NeuralProphet 模型（pickle 文件）只是一个经过训练的神经网络...最简单的类比是训练线性回归模型（来自 sci-kit learn 等）... y = Ax + b，其中您已经训练了 A 和b 向量。如果没有 x，这些向量无法单独产生 y。本例中的模型只是 A 和 b 向量。现在，NeuralProphet 使用自回归前馈神经网络，因此向量项更多，而且它们并不都是线性的。

这就是为什么 NeuralProhpet 需要 model.fit 中的历史数据......历史数据是 x。 x 可以来自用于训练 A 和 b 的同一数据集，或者 x 可以来自不同但统计上相似的数据集（您可以使用 d-bar 测试来确定并使用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进行训练并应用于预测类似数据集的结果。