Contenido del Curso
Proyecto de Predicción de Precios de Acciones
Proyecto de Predicción de Precios de Acciones
Profeta
El prophet es una biblioteca de Python que se utiliza para predecir datos de series temporales. Es de código abierto y ha sido desarrollada por Facebook. Se basa en un modelo de series temporales descomponible con tres componentes principales: tendencia, estacionalidad y vacaciones.
Prophet utiliza un modelo descomponible en el que las series temporales se dividen en tendencias, estacionalidad y días festivos. El componente de tendencia modela los cambios no periódicos, el componente estacional modela los cambios periódicos y el componente de vacaciones modela los efectos de acontecimientos como la Navidad, el Black Friday, etc. La biblioteca también puede tener en cuenta regresores adicionales.
Prophet también incluye funciones para tratar los datos que faltan y los valores atípicos, así como para ajustar automáticamente el modelo mediante la inferencia bayesiana. También proporciona herramientas para analizar los errores de previsión del modelo, lo que puede ayudar a identificar cualquier patrón o fuente de error en los datos.
En general, prophet está diseñado para facilitar la creación de previsiones de alta calidad con un mínimo de ajuste y esfuerzo. Resulta especialmente útil para las previsiones empresariales y otras aplicaciones con datos de series temporales.
Tarea
- Seleccione sólo las filas con la acción
AAPL; - Extraiga sólo las columnas "fecha" y "cierre";
- Cambie el nombre de "date" a "ds" y de "close" a "y" (nombres estándar requeridos por un "profeta").
Tarea
- Seleccione sólo las filas con la acción
AAPL; - Extraiga sólo las columnas "fecha" y "cierre";
- Cambie el nombre de "date" a "ds" y de "close" a "y" (nombres estándar requeridos por un "profeta").
¿Todo estuvo claro?
El prophet es una biblioteca de Python que se utiliza para predecir datos de series temporales. Es de código abierto y ha sido desarrollada por Facebook. Se basa en un modelo de series temporales descomponible con tres componentes principales: tendencia, estacionalidad y vacaciones.
Prophet utiliza un modelo descomponible en el que las series temporales se dividen en tendencias, estacionalidad y días festivos. El componente de tendencia modela los cambios no periódicos, el componente estacional modela los cambios periódicos y el componente de vacaciones modela los efectos de acontecimientos como la Navidad, el Black Friday, etc. La biblioteca también puede tener en cuenta regresores adicionales.
Prophet también incluye funciones para tratar los datos que faltan y los valores atípicos, así como para ajustar automáticamente el modelo mediante la inferencia bayesiana. También proporciona herramientas para analizar los errores de previsión del modelo, lo que puede ayudar a identificar cualquier patrón o fuente de error en los datos.
En general, prophet está diseñado para facilitar la creación de previsiones de alta calidad con un mínimo de ajuste y esfuerzo. Resulta especialmente útil para las previsiones empresariales y otras aplicaciones con datos de series temporales.
Tarea
- Seleccione sólo las filas con la acción
AAPL; - Extraiga sólo las columnas "fecha" y "cierre";
- Cambie el nombre de "date" a "ds" y de "close" a "y" (nombres estándar requeridos por un "profeta").
