python - 优化用于异常检测的 Prophet 区间宽度参数

Question

我正在使用 Facebook prophet 执行异常检测任务。

先知的一般超参数的优化将使我们做出更好的预测 (yhat)，但先知中的异常是根据值 (Y) 是否位于区间宽度之外来决定/捕获的。

问题:

1. 对于异常检测，interval_width 参数非常重要，我怀疑它如何帮助我预测上下文异常或基于季节性、趋势和变化的异常？
2. 要优化参数 MCMC 样本，我应该使用后验估计的最大值还是具有指定数量马尔可夫的完全贝叶斯干涉链式蒙特卡洛样本进行训练和预测？

我还附上了为使用 prophet 检测异常而绘制的图表片段。
在这方面的任何帮助和指导都将非常非常有帮助，期待进行建设性和有益的讨论。谢谢。

Answer 1

我在过去的任务中使用了类似的解决方案，Prophet 运行良好。假设是使用阈值构建我的数据模型，并将边界外的所有内容捕获为异常。

对于方法，我认为这取决于您想要捕捉的内容，也许在您的情况下趋势的不确定性就足够了(如果这是我们在图中看到的)。

回答您的问题:

1. Interval_width 参数仅与趋势的不确定性 和观测噪音有关。如 docs 中所述: “我们假设 future 趋势变化的平均频率和幅度将与我们在历史上观察到的相同。我们将这些趋势变化向前转换，并通过计算它们的分布来获得不确定性区间。这种测量不确定性的方法的一个特性是，通过增加 changepoint_prior_scale 来允许速率具有更高的灵 active ，这将增加预测的不确定性。 (...) 不确定区间的宽度(默认为 80%)可以使用参数 interval_width 进行设置。” 简而言之，我们可以说，从趋势来看，80% 的样本应该在这些边界之间(yhat_upper 和 yhat_lower)

2. 要查看季节性的不确定性，您必须进行完整的贝叶斯抽样。 mcmc.samples 默认为 0，表示它使用后验估计的最大值。