No exemplo do vídeo, foi escolhido a variável "y" como a contagem e a outra a data, denominada de "ds". É possível eu adicionar mais variáveis no prophet pra meu modelo conseguir prever melhor? se sim, como eu poderi fazer isso?
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
No exemplo do vídeo, foi escolhido a variável "y" como a contagem e a outra a data, denominada de "ds". É possível eu adicionar mais variáveis no prophet pra meu modelo conseguir prever melhor? se sim, como eu poderi fazer isso?
Olá, Ronaldd! tudo bem?
É possível sim! nesse caso estaríamos trabalhando com múltiplos regressores.
Para fazer isso, você precisa seguir alguns passos:
Adicionar as variáveis ao seu DataFrame: Suponha que você tenha uma variável adicional chamada "umidade". Você precisa adicionar essa coluna ao seu DataFrame junto com "ds" (data) e "y" (contagem).
Declarar o regressor no modelo Prophet: Antes de ajustar o modelo, você deve informar ao Prophet que essa nova variável é um regressor. Você faz isso usando o método add_regressor.
Ajustar o modelo: Finalmente, você ajusta o modelo com os dados que incluem as novas variáveis.
Aqui está um exemplo de como fazer isso:
from prophet import Prophet
# Inicializa o modelo Prophet
modelo = Prophet()
# Adiciona a variável 'umidade' como um regressor
modelo.add_regressor('umidade')
# Ajusta o modelo com o DataFrame
modelo.fit(df_treino)
# Para prever, você precisa incluir a coluna 'umidade' no DataFrame de previsão
futuro = modelo.make_future_dataframe(periods=adicionar o período de previsão)
Até aqui fizemos o procedimento normal para a geração do dataframe futuro. Porém, p Prophet não gera automaticamente a #coluna de umidade, por isso, precisamos criar um DataFrame chamado 'umidade' com todos os valores de treino e teste, e adicioná-lo ao #DataFrame futuro:
umidade = pd.concat([df_treino['umidade'], df_teste['umidade']])
futuro['umidade'] = umidade.values
# Faça as previsões
previsao = modelo.predict(futuro)
Caso ainda tenha dúvidas, não hesite em perguntar!
Bons estudos :)