本文探讨了时间序列分析中的断点检测问题，介绍了如何利用线性回归和动态规划算法来识别时序数据中的转折点。通过对时序数据进行拟合并检测趋势变化，算法能有效找出断点，从而辅助系统诊断。实验结果显示，该算法在股票价格等实际数据上的应用表现出色。
在时间序列分析中，断点检测（breakout detection）是一个很基本的问题。
通过捕捉时序数据中的断点（breakout），来发现时序数据所表示的系统在过去是否发生了某种事件（event）。进而为系统诊断提供必要的数据支持。
为了实现对时序断点的检测，我们首先需要对时序的整体时序做拟合。
这里我们通过一条直线来拟合一段时序，如果时序的趋势发生了变化，则用多条直线来拟合整条时序数据。
如下是对一条波动规律明显的时序做拟合之后的结果。
每个红色线条的转折点，就是我们找到的断点。
以上数据是我们在实验环境下，为了检测算法效果而人工构造的一条时序。
那么，该算法在实际情况下表现如何？
一下是一条实际的股票价格时序数据。我们通过该算法进行断点检测，并将断点红红色线条连起来的效果：
最低0.47元/天 解锁文章
扫一扫
6133
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
