我有一个统计/数学问题，我真的希望得到一些帮助。我正在做一项研究，我需要将每周图表与其自己的历史进行比较，看看过去它几乎是相同的。将此视为"找到最接近的匹配项"。信息显示为折线图，但以原始数据的形式随时可用：
-
日期。。。。。。。。。。。。。。。。。。。结果
- 18-10-08......52.5
- 18-07-08......60.2
- 18-06-08......58.5
- 18-05-08......55.4
- 18-04-08......55.2
- 等等...
我真正想要的是输出是当前数据点与历史上另一组 5 个并发数据点之间的一种关联形式。所以，像这样：
-
日期范围...相关
- 18-10-07-15-18.0.98
我们将获得一个用Python编写的代码，以便软件自动执行此操作(以便添加新数据时，它会自动运行并找到与当前数字匹配的最接近的数字集(。
困难所在：由于数字随着时间的推移总体呈上升趋势，我们不希望它比较绝对值(因为数字可能永远不会真正匹配(。一个建议是比较增量(前一天的百分比变化率(，或使用对数刻度。
我想知道：我该怎么做？我可以使用哪种计算来获得所需的结果？我看过不同类型的相关方程，但它们不考虑数据的"形状"，它们通常只是将其平均出来。折线图的形状很重要。
提前非常感谢！
我只需将每周的数据除以它们的平均值(即将它们标准化为平均值 1(，然后将每对周的每一天差异的平方相加。此金额是您要最小化的。
如果您不关心图形相对于其平均值的振荡量，您也可以对方差进行归一化。对于每周，计算均值和方差，然后减去均值并除以方差根。每周的均值为 0，方差为 1。然后像以前一样最小化差值的平方和。
如果数据规范化是您可以在工作流程中更改的全部内容，只需省略差异平方和最小化部分即可。