Implementasi Facebook Prophet – Part 6

Cross Validation adalah konsep penting dalam data analisis, berguna sebagai kredibilitas dari model yang dibuat. Secara sederhana cross validation melakukan testing secara berulang dengan kondisi yang berbeda untuk memastikan akurasi model.

Berikut cara menggunakan cross validation untuk Facebook Prophet.

from prophet.diagnostics import cross_validation
df_cv = cross_validation(m,
                         horizon = '31 days',
                         initial = '1450 days',
                         parallel = 'processes')

Kita juga dapat mengukur error hasil dari cross validation

print(mean_absolute_error(df_cv['y'], df_cv['yhat']))
print(np.sqrt(mean_squared_error(df_cv['y'], df_cv['yhat'])))

Selain itu kita juga dapat visualisasikan hasil cross validation

from prophet.plot import plot_cross_validation_metric
plot_cross_validation_metric(df_cv,
                             metric = 'rmse');

Setelah kita mempelajari cross validation, pada modul selanjutnya kita akan mempelajari bagaimana melakukan parameter tuning untuk model.