model_list <- prophet(WHO_data_list, growth = "logistic", changepoints = None, n_changepoints = 25, changepoint_range = 0.8, yearly_seasonality = T, weekly_seasonality = F, daily_seasonality = F, holidays= None, seasonality_mode = 'multiplicative', seasonality_prior_scale = 10.0, holidays_prior_scale = 10.0, changepoint_prior_scale = 0.05, mcmc_samples = 0, interval_width = 0.95, uncertainty_samples = 1000, stan_backend = None)

这是一个使用 Prophet 模型对 WHO_data_list 进行时间序列预测的代码。在该模型中，使用了逻辑增长模型（growth = "logistic"），没有设置特殊的变化点（changepoints = None），设置了25个变化点（n_changepoints = 25），变化点范围为80%（changepoint_range = 0.8），启用了年度季节性（yearly_seasonality = T），未启用周季节性和日季节性（weekly_seasonality = F, daily_seasonality = F），没有添加节假日信息（holidays= None），季节性模式为乘法模式（seasonality_mode = 'multiplicative'），季节性先验比例为10.0（seasonality_prior_scale = 10.0），节假日先验比例为10.0（holidays_prior_scale = 10.0），变化点先验比例为0.05（changepoint_prior_scale = 0.05），采样次数为0（mcmc_samples = 0），置信区间为95%（interval_width = 0.95），不确定性采样次数为1000（uncertainty_samples = 1000），后端使用默认值（stan_backend = None）。

相关问题

> future <- make_future_dataframe(m,periods=1) Error in make_future_dataframe(m, periods = 1) : Model must be fit before this can be used.

这个错误是因为在使用 `make_future_dataframe()` 函数之前，需要先对时间序列模型进行拟合（fit）。

在使用 `prophet` 包建立时间序列模型时，需要先使用 `prophet()` 函数创建一个 `Prophet` 对象，然后使用 `fit()` 函数对数据进行拟合。在拟合完成后，就可以使用 `make_future_dataframe()` 函数生成新的时间戳数据。

以下是一个简单的例子：

library(prophet)

# 创建时间序列模型
m <- prophet(my_data)

# 拟合数据
m <- fit(m, my_data)

# 生成未来时间戳数据
future <- make_future_dataframe(m, periods = 1)

在这个例子中，我们首先使用 `prophet()` 函数创建一个 `Prophet` 对象 `m`，然后使用 `fit()` 函数对数据进行拟合。最后，我们使用 `make_future_dataframe()` 函数生成一个包含一个未来时间戳的数据框 `future`。

确保在使用 `make_future_dataframe()` 函数之前，先对时间序列模型进行拟合，就可以避免这个错误。

Cell In[9], line 6 m = Prophet('growth':'logistic', ^ SyntaxError: invalid syntax

这是一个语法错误，可能是因为 Prophet 函数的参数没有正确地传递。根据您提供的代码，这个函数调用中的参数有误。应该使用逗号来分隔参数，而不是冒号。请检查您的代码并确保正确传递了参数。例如，如果您要将 Prophet 的 growth 参数设置为 logistic，则应该使用以下代码：

m = Prophet(growth='logistic')

注意，参数名称和值之间应该用等号连接，而不是冒号。