以 a 維方式表示趨勢的標準方法
讓我們假設工廠需要知道某些產品何時增加了利潤。這家工廠生產大量產品，每種產品都有不同的目標。所以工廠需要以一種相對的方式比較他們的趨勢。
因此，
trend在比較更多產品時，它本身並不是那麼好。例如，探索這個場景：
- 產品 A：從 1 月份的 50 個售出件到 12 月份的 100 個售出件。
- 產品 B：從 1 月份的 100 件售出到 12 月份的 150 件售出。
- 產品 C：從 1 月份的 100 件售出到 12 月份的 200 件售出。
（為簡單起見，我們假設所有產品的單價相同，並且不隨時間變化）
Trend產品 A 的數量等於trend產品 B 的數量，但產品 A 的銷量翻了一番。此外，trend產品 B 的數量大於trend產品 A 的數量，而兩者的銷量都翻了一番。我想知道什麼是捕捉此類行為的良好標準指標：對於利潤翻倍的產品具有相同價值的指標。使得 A 和 C 具有相同的值，該值大於 B。
我猜想以維度表示趨勢應該可以解決這個問題：這將防止件數的依賴性，並且應該產生一個更相關的指標。
謝謝。
編輯：我不僅有兩點：不僅是一月和十二月，而且比方說，每個月都有一組點。目前，作為趨勢，我使用線性回歸。我知道將這種趨勢（具有件/月的維度）除以第一點將使它正常化。但我發現使用第一點是任意的。為什麼不是第二個？為什麼不是平均值？
在第一段之後我真的無法理解任何內容（因此為-1）。
假設你的第一句話是什麼意思，你的問題是如何確定產品是否 $ A $ 將來會盈利。因此，您需要一個預測模型 $ Q[Profits(t)|decision] $ （分位數）或 $ E[Profits(t)|decision] $ （期望）對於每個 $ t \in \mathbb{R}^+ $ 你可以打折。
這可能是主觀因素（與您的產品相關的即將出台的立法、新競爭對手的啟動等）和統計模型的組合。您正在談論的模型嘗試將是統計方面調查的（非常）開始。您需要使用回歸/監督學習模型收集大量數據並將這些數據映射到下一個時期的結果（每個時期銷售的產品數量，或每個時期該產品的利潤），然後推斷進入未來。一種簡單的方法是像 ARIMA-X 那樣具有季節性和足夠的數據，您可以研究非線性機器學習模型。如果您沒有足夠的時間序列，則只能使用季節性和時間特徵進行推斷，因為您將無法充分降低頻率以使用外生特徵實現目標。如果產品相似，由於單變數設置中的數據不足，面板方法可能很好。
那為什麼不
trend = (sales_period_end - sales_period_start) / sales_period_start?