【问题标题】：How to save a fbprophet forecast model using pickle such that the model takes user input when loaded如何使用 pickle 保存 fbprophet 预测模型，以便模型在加载时接受用户输入
【发布时间】：2022-08-06 01:16:00
【问题描述】：

我已经构建了一个 fbProphet 模型，其中包含日期和项目作为列。有 50 个这样的项目列。我需要以 pickle 格式保存这个模型。每次我加载模型时，它都应该将 \'item_number\' 作为用户输入，然后预测未来的日期。如何保存模型以便在加载时接受用户输入。下面是模型拟合的代码。

def model_fit(item_number):
  #Calling the dataframe for specific item
  item_data = data(item_number) #Function call - data(item_number)
  train, test = item_data[item_data[\'ds\'] <= \'2016-12-31\'], item_data[item_data[\'ds\'] > \'2016-12-31\']
  model = Prophet(interval_width = 0.80, changepoint_range = 0.9)
  #model = Prophet(changepoint_range=0.9)
  model.fit(train)

  return model

在上面的代码中，当我运行model = model_fit(item_number) 时，它适合该特定项目的训练数据模型。如果我将它保存到泡菜中，它会单独保存适合该 item_number 的模型。如何保存模型，以便在加载模型时将 \'item_number\' 作为输入。

标签： python machine-learning time-series pickle facebook-prophet

【解决方案1】：

可以保存已安装的 Prophet 模型，以便以后加载和使用。

在 Python 中，模型不应该用 pickle 保存；附加到模型对象的 Stan 后端不会很好地腌制，并且会在某些 Python 版本下产生问题。相反，您应该使用内置的序列化函数将模型序列化为 json：

Python

从先知。序列化导入模型_to_json，模型_from_json

使用 open('serialized_model.json', 'w') 作为 fout： fout.write(model_to_json(m)) # 保存模型

使用 open('serialized_model.json', 'r') 作为 fin： m = model_from_json(fin.read()) # 加载模型

来源：https://facebook.github.io/prophet/docs/additional_topics.html

【讨论】：