Prophet

Aus Kyffhäuser KI
Version vom 1. Februar 2026, 23:40 Uhr von Markus (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „== Kurzbeschriebung == Beschreibung ist::Prophet ist ein additives Zeitreihenmodell mit expliziter Modellierung von Trend, Saisonalität und Ereignissen. Beschreibung ist::Es erlaubt automatische Changepoints und liefert bayessch fundierte Vorhersageintervalle. == Anwendbarkeit im Gesundheitssektor == Einsatz für operative Prognosen von Meldezahlen, Krankenhausauslastung oder saisonalen Erkrankungen. == Sonstiges == Sehr benutzerfreundlich…“)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Zur Navigation springen Zur Suche springen

Kurzbeschriebung

Prophet ist ein additives Zeitreihenmodell mit expliziter Modellierung von Trend, Saisonalität und Ereignissen.

Es erlaubt automatische Changepoints und liefert bayessch fundierte Vorhersageintervalle.

Anwendbarkeit im Gesundheitssektor

Einsatz für operative Prognosen von Meldezahlen, Krankenhausauslastung oder saisonalen Erkrankungen.

Sonstiges

Sehr benutzerfreundlich

Nicht kausal

Semantik

Wikidata-Identifikator ist: Q109653244

Deutsche Wikipediaseite ist: https://de.wikipedia.org/wiki/Prophet_(Zeitreihenanalyse)

Englische Wikipediaseite ist: https://en.wikipedia.org/wiki/Prophet_(time_series)

Quelle: Taylor & Letham (2018)

Behandlung von Unsicherheit in den Ergebnissen der Methode ist explizit

Für die Methode benötigte Datenmenge ist klein;mittel„Klein;mittel“ befindet sich nicht in der Liste (Groß, Mittel, Klein) zulässiger Werte für das Attribut „Für die Methode benötigte Datenmenge ist“.

Zweck der Methode ist Vorhersage„Vorhersage“ befindet sich nicht in der Liste (Voraussage, Inferenz, Simulation, Kausale Analyse) zulässiger Werte für das Attribut „Zweck der Methode ist“.

Methode ist Mitglied der Methodenfamilie Statistisch;Bayessch;Hybrid;Operationale Vorhersage„Statistisch;Bayessch;Hybrid;Operationale Vorhersage“ befindet sich nicht in der Liste (Mechanistisch, Statistisch, Maschinenlernen, Tiefes Lernen, Hybrid, Kausale Inferenz, Simulation, Operationale Vorhersage, Beschreibende und erkundende Analyse, Praktisches Anwendungskonzept, ...) zulässiger Werte für das Attribut „Methode ist Mitglied der Methodenfamilie“.

Interpretierbarkeit der Ergebnisse der Methode ist gut

Webseite: https://facebook.github.io/prophet/