メニュー
Meta Prophet — forecasting at scale. Additive model with yearly/weekly/daily seasonality, holiday effects, changepoints, and trend decomposition. Handles missing data and outliers automatically.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/mkurman/zorai --skill prophetコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SOC 職業分類に基づく
SKILL.md を表示中
| name | prophet |
| description | Meta Prophet — forecasting at scale. Additive model with yearly/weekly/daily seasonality, holiday effects, changepoints, and trend decomposition. Handles missing data and outliers automatically. |
| tags | ["prophet","forecasting","time-series","seasonality","trend","meta","zorai"] |
Meta Prophet forecasts time series data with additive seasonality (yearly, weekly, daily), holiday effects, changepoint detection, and trend decomposition. Handles missing data and outliers automatically. Designed for business forecasting with human-interpretable components.
uv pip install prophet
import pandas as pd
from prophet import Prophet
import numpy as np
df = pd.DataFrame({
"ds": pd.date_range("2023-01-01", periods=365, freq="D"),
"y": [100 + i*0.5 + 10*(i%7==0) + np.random.normal(0, 5) for i in range(365)],
})
model = Prophet(yearly_seasonality=True, weekly_seasonality=True)
model.fit(df)
future = model.make_future_dataframe(periods=90)
forecast = model.predict(future)
model.plot(forecast)
model.plot_components(forecast)
model = Prophet()
model.add_country_holidays("US")
model.fit(df)