在多维数组中寻找相似之处

Question

考虑一个设置每天销售目标的销售部门。 总体目标并不重要，但超额或未满是重要的。 例如，如果第1周的星期一的目标是50，而我们卖出60，则该天的得分为+10。 在星期二，我们的目标是48，我们以46分卖出46分。 在本周末，我们对本周进行如下评分：

[0,0]=10,[0,1]=-2,[0,2]=1,[0,3]=7,[0,4]=6

在此示例中，星期一（0,0）以及星期四和星期五（0,3和0,4）均为“热门”

如果我们查看第2周的结果，则会看到：

[1,0]=-4,[1,1]=2,[1,2]=-1,[1,3]=4,[1,4]=5

对于第2周，一周的结束是热的，而星期二是温暖的。

接下来，如果我们比较第一周和第二周，就会发现一周的结束往往比一周的第一部分要好。 因此，现在让我们添加第3和第4周：

[0,0]=10,[0,1]=-2,[0,2]=1,[0,3]=7,[0,4]=6
[1,0]=-4,[1,1]=2,[1,2]=-1,[1,3]=4,[1,4]=5
[2,0]=-8,[2,1]=-2,[2,2]=-1,[2,3]=2,[2,4]=3
[3,0]=2,[3,1]=3,[3,2]=4,[3,3]=7,[3,4]=9

从这一点上，我们可以看到，本周末的理论更好。 但是我们也看到月底比开始要好。 当然，我们希望下个月将本月与下个月进行比较，或者将一组月的季度或年度结果进行比较。

我不是数学或统计专家，但我很确定有针对此类问题的算法。 由于我没有数学背景（并且不记得以前的任何代数），因此在哪里可以寻求帮助？ 这种“热点”逻辑有名称吗？ 是否存在可以对多维数组进行切片，切块和比较的公式或算法？

任何帮助，指示或建议，不胜感激！

Answer 1

ways to analyse it. 这些数据并不是真正的多维数据，它只是一个简单的时间序列，有分析方法。 我建议您从傅立叶变换开始，它检测一系列的“节奏”，因此该数据将显示在7天的峰值，大约30天，如果将数据集扩展到几年，它将显示旺季和假期为一年的高峰。 在您准备使用真实的多维数据之前，这应该让您保持一段时间，例如通过添加天气信息，股市数据，最近的体育赛事的结果等等。

Answer 2

以下内容可能与您相关：技术分析中的随机震荡指标 ，用于确定库存是否超买或超卖。

我在这里简化了，但是实际上您有两个移动的计算：

• 14天随机指标：100 *（今天的收盘价-最近14天的低点）/（最近14天的高点-最近14天的低点）
• 3天随机：相同的计算，但相对于3天。

14天和3天随机数将倾向于遵循相同的曲线。 您的随机性将落在1.0到0.0之间； 高于0.8的随机指标被认为是超买或看跌，低于0.2则表示超卖或看涨。 更具体地说，当您的其中一个区域的3天随机数“穿越” 14天随机数时，您便可以预测价格的动量。

尽管有人认为技术分析是伏都教，但经验证据表明它具有一定的预测能力。 随机值是一种可视化价格随时间变化的非常简单有效的方法。

Answer 3

您要做的很简单-您只需要计算数据的自相关并查看相关图即可 。 从相关图可以看到数据的“隐藏”周期，然后可以使用此信息来分析周期。

结果是-您的数字及其标准化的自相关。

10    1,000
-2    0,097
 1   -0,121
 7    0,084
 6    0,098
-4    0,154
 2   -0,082
-1   -0,550
 4   -0,341
 5   -0,027
-8   -0,165
-2   -0,212
-1   -0,555
 2   -0,426
 3   -0,279
 2    0,195
 3    0,000
 4   -0,795
 7   -1,000
 9

我使用Excel来获取值。 但是将A列中的序列添加等式=CORREL($A$1:$A$20;$A1:$A20)到单元格B1 ，然后将其复制到B19 。 如果添加折线图，则可以很好地看到数据的结构。

Answer 4

在我看来， OLAP方法（如MS Excel中的数据透视表）非常适合该问题。

Answer 5

您已经可以对模式周期做出合理的猜测-您正在查看每周和每月的情况。 例如，要查找每周模式，只需将所有星期一的平均值平均，依此类推。 一个月的某几天，一年的几个月都一样。

当然，您可以使用复杂的算法来确定每周有一个模式，但是您已经知道会期望这样做。 如果您认为确实存在一些您永远不会怀疑的模式（有一个奇怪的社区，他们每周工作5天，并且经常出差），请务必使用强大的工具-但是如果您知道寻找什么样的东西，真的没有必要。

Answer 6

Daniel建议关联时，他的想法是正确的，但我不认为自相关就是您想要的。 相反，我建议将每个星期彼此关联。 您的相关性峰值（即接近1的值）建议，在该特定班次中，周的值彼此相似（即为周期）。

例如，当您相互关联时

0 0 1 2 0 0

与

0 0 0 1 1 0

结果将是

 2 0 0 1 3 0

最大值是3，对应于第二个数组（右）移动4

0 0 0 1 1 0 -->  0 0 1 1 0 0

和nn乘数明智

0   0   1   2   0   0
0   0   1   1   0   0
----------------------
0 + 0 + 1 + 2 + 0 + 0 = 3

请注意，建立关联后，您可以创建自己的“假”周并将所有真实周进行互相关，即通过寻找以下值来查找与假周形状相对应的每周值的“形状”：相关结果中出现峰值。

因此，如果您有兴趣查找接近周末的几周，则可以使用“假”周

 -1 -1 -1 -1  1  1

并且如果您在相关的第一个值中获得了很高的响应，则意味着您与之相关的真实周大致具有这种形状。

Answer 7

ARIMA或类似的Box-Jenkins模型可能会超出您正在寻找的范围，但是一种使您能够进行预测，查看诸如统计显着性之类的功能的技术方法将是ARIMA或类似的Box-Jenkins模型。