Prophet 是由 Facebook 开源一款基于 Python 和 R 语言的数据预测工具，相比现有预测工具更加人性化，并且难得地提供 Python 支持。对于高等院校开设数据科学与大数据技术专业而言，通常纠结于应该采用 R 语言还是 Python 作为数据分析专业核心课程的主要工具 —— 某些统计学，计量经济统计学专业，以及高等职业院校可能还依然在应用 Excel，SQL 或者商业化的 Matlab，SAS，SPSS，SATA。Prophet的发布很好的融合了数据科学，乃至未来的深度学习与新一代人工智能方向趋势的两种语言。另外，它生成的预测结果足以和专业数据分析师媲美。
Prophet 将预测共分四个流程：建模，预测评估，表面问题和人工检查。在建模阶段，当前可用的 Python 工具包寥寥无几。最广为人知的基于时间序列的 “ forecast” ，谷歌开发的 CausalImpact， 以及推特的 AnomalyDetection，均是基于 R 语言。很显然，Facebook 想要改变这一点。
组成部分
Prophet 是一个可加回归模型（Additive Regression Model），它有四个组成部分：
- 一个分段的线性或逻辑增长曲线趋势。Prophet 通过提取数据中的转变点，自动检测趋势变化。
- 一个按年的周期组件，使用傅里叶级数（Fourier series）建模而成。
- 一个按周的周期组件，使用虚拟变量（Dummy Variables）。
- 用户设置的重要节日表。
适用范围
- 针对每小时、每天或每星期的观察频次，有至少数月（理想情况的一年）的历史记录。
- 多重显著的“人类层级”周期性：星期 X 以及年份。
- 日期间隔不规则的重要节日（比如超级碗），需要事先得知。
- 观察缺失或是异常值在合理范围内。
- 历史趋势变化，比如产品发布或者改写记录（Logging Changes）。
- 符合非线性增长曲线的趋势，有天然上、下限或者饱和点。
这里是一份使用 Prophet 贝叶斯推理预测模型，对二氧化碳及出生率进行预测的实践教程，而国内网站做了中文翻译。