<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Prophet on PlumePHP</title><link>https://plumephp.com/tags/prophet/</link><description>Recent content in Prophet on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 28 Sep 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/prophet/index.xml" rel="self" type="application/rss+xml"/><item><title>时间序列预测实战：ARIMA、Prophet 与 LSTM</title><link>https://plumephp.com/ml-time-series/</link><pubDate>Mon, 28 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/ml-time-series/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;时间序列预测是「用过去推未来」：销量、流量、温度、股价。与普通回归不同，时序数据有&lt;strong&gt;自相关&lt;/strong&gt;（今天影响明天）、&lt;strong&gt;趋势&lt;/strong&gt;、&lt;strong&gt;季节性&lt;/strong&gt;——需要专门的工具链。本文按「由易到难」推进：先讲平稳性与 ACF/PACF 诊断（所有方法的地基），再给经典统计法（指数平滑/ARIMA）、Facebook Prophet（自动处理趋势/节假日）、LSTM（深度学习），最后对比选型与评估。&lt;/p&gt;</description></item></channel></rss>