3．3 节假日和突发事件模型
除了季节性影响，节假日或者某些事件也会对时间序列产生很大的冲击，并且往往也不遵循周期模式。所以我们需要单独的拿出来进行设置。
Prophet 允许用户设置过去和未来的假日或者事件，并且设置节假日影响的时间长短。
考虑回归矩阵：
其中，
为指示函数。
于是，我们便有：
其中，
。v 可以自行设置，默认为10，值越大，节假日对模型的影响越大；值越小，节假日对模型的影响越小。
3．4 模型拟合
通过上面的趋势、季节和事件后，我们便可以将其通过加法模型进行累加：
作者使用 pyStan 中的 L－BFGS 方法来对函数进行优化拟合。
下图展示了一周的周期性：
下图展示了 Prophet 拟合过去值和预测未来值的效果：
下图为数据的分解，包括趋势、周期（周、年）：
放一个 Prophet 与其他模型的精度对比：
