访问官网
Github
部署一个Streamlit应用程序，以可视化方式训练、评估和优化Prophet预测模型
⭐ 快速开始 ⭐
如果您计划经常使用该应用程序，应该安装软件包并在本地运行：
pip install -U streamlit_prophet
streamlit_prophet deploy dashboard
💻 要求
Python版本
- 主要支持版本：3.7
- 其他支持版本：3.8 和 3.9
请确保您安装了其中一个版本，以便能够在您的机器上运行应用程序。
操作系统
Windows用户必须安装WSL2才能下载该软件包。 这是由于Windows与Prophet的主要依赖项（pystan）不兼容所致。 其他操作系统应该可以正常工作。
⚙️ 安装
创建虚拟环境（可选）
我们强烈建议创建并激活一个新的虚拟环境，以避免任何依赖问题。
例如使用conda：
pip install conda; conda create -n streamlit_prophet python=3.7; conda activate streamlit_prophet
或使用virtualenv：
pip install virtualenv; python3.7 -m virtualenv streamlit_prophet --python=python3.7; source streamlit_prophet/bin/activate
安装软件包
从PyPi安装软件包（应该需要几分钟）：
pip install -U streamlit_prophet
或从此存储库的主分支安装：
pip install git+https://github.com/artefactory-global/streamlit_prophet.git@main
📈 使用方法
安装完成后，从命令行运行以下命令，在默认网络浏览器中打开应用程序：
streamlit_prophet deploy dashboard
现在您可以通过几次点击来训练、评估和优化预测模型。 您只需要上传一个时间序列数据集。 这个数据集应该是一个包含日期列、目标列和可选特征的csv文件，如下例所示：
然后，按照侧边栏中的指南进行操作：
- 准备数据：过滤、聚合、重采样和/或清理您的数据集。
- 选择模型参数：提供了默认参数，但您可以调整它们。 查看工具提示以了解每个参数如何影响预测。
- 选择评估方法：定义评估过程、指标和粒度，以评估您的模型性能。
- 进行预测：使用先前训练的模型对数据集中不包含的未来日期进行预测。
满意后，点击"保存实验"将所有图表和数据本地下载。
🛠️ 如何贡献？
我们欢迎所有的贡献、想法和错误报告！ 我们鼓励您为您想对这个项目进行的任何更改开启一个issue。
有关更多信息，请参阅CONTRIBUTING说明。
如果您希望将应用程序容器化，请参阅DOCKER说明。
