Prophet 是一个基于加性模型和非线性趋势的时间序列预测库。在使用 Prophet 进行预测时，需要设置一些参数来控制模型的行为。以下是 Prophet 中常用的一些参数：
growth：确定时间序列的增长趋势，可以选择线性或非线性。默认是线性趋势。
seasonality_mode：控制季节性组件的建模方式，可以选择加性或乘性。默认是加性。
changepoint_prior_scale：控制变化点的灵敏度。较高的值表示模型更容易适应变化，但也可能导致过度拟合。
seasonality_prior_scale：控制季节性组件的灵敏度。较高的值表示模型更容易适应季节性，但也可能导致过度拟合。
holidays_prior_scale：控制假期效果的灵敏度。较高的值表示模型更容易适应假期效果，但也可能导致过度拟合。
interval_width：置信区间宽度，表示预测的精度。默认为0.8，即80%置信区间。
n_changepoints：用于确定变化点的数量。默认是25。
seasonality：控制季节性的周期。可以是一个整数表示周期的天数，也可以是一个字符串表示“年”、“季度”、“月”、“周”、“日”、“小时”、“分钟”或“秒”。默认是每年。
holidays：假期日期的数据框，需要包含“holiday”和“ds”两列。默认为空。
weekly_seasonality：控制周季节性的建模方式，可以是“auto”、“True”、“False”或一个整数。默认是“auto”，表示在数据中自动检测周季节性。
daily_seasonality：控制每日季节性的建模方式，可以是“auto”、“True”、“False”或一个整数。默认是“auto”，表示在数据中自动检测每日季节性。
yearly_seasonality：控制年季节性的建模方式，可以是“auto”、“True”、“False”或一个整数。默认是“auto”，表示在数据中自动检测年季节性。
seasonality_prior_mode：控制季节性先验的建模方式。可以选择“auto”、“additive”或“multiplicative”。默认是“auto”。
uncertainty_samples：控制不确定性估计的样本数量。默认是1000。
以上参数是使用 Prophet 进行时间序列预测时常用的一些参数，根据实际需求可以适当调整这些参数来得到更好的预测结果。
