En 2017, Facebook abrió el modelo del profeta de código abierto que era capaz de modelar la serie de tiempo con fuertes estacionalidades múltiples a nivel de día, semana, año, etc. y tendencia. Tiene parámetros intuitivos que un científico de datos no tan experto puede ajustar para obtener mejores pronósticos. En esencia, es un modelo regresivo aditivo que puede detectar puntos de cambio para modelar la serie de tiempo.
Prophet descompone la serie temporal en componentes de tendencia $ g_ {t} $, estacionalidad $ S_ {t} $ y feriados $ h_ {t} $.
$$ y_ {t} = g_ {t} + s_ {t} + h_ {t} + \ epsilon_ {t} $$
Donde, $ \ epsilon_ {t} $ es el término de error.
Google y Twitter introdujeron en R paquetes similares para el pronóstico de series de tiempo, como el impacto causal y la detección de anomalías, respectivamente.