Algorithm 在多变量数据中寻找重复模式

假设我有以下数据集：

 time_m = {A:1, B:2, C:3, D:10}; 
 time_n = {A:6, B:2, C:12, D:18}; 
 time_p = {A:1, B:2, C:9, D:17}; 
 time_q = {A:1, B:2, C:9, D:2}. 

如您所见，我有4个变量

A、B、C、D

，它们的值在时间点

m、n、p、q

处测量

我想在数据中找到变量再次具有相同值的时间点。例如，如果我想最大化变量数量，答案是：

{A, B, C} at {time_p, time_q}

或者，如果我想最大化时间点的数量，答案是：

{A, B} at {time_m, time_p, time_q}

更详细地说，比如说a、B、C、D是股票价格，我有兴趣分析历史数据，找出股票子集何时再次达到相同的值

---

我该怎么做？这个或类似的算法是在任何地方实现的吗？

你的观测数据有多大

{a，B，C，D，}

维度？该问题的扩展是

[m，n]

的问题，对于跨更广泛/多资产的长期时间序列定量建模的通用解决方案来说，这可能是一个性能问题，涵盖[股票、外汇现货、期权、期货等]。肯定使用

随机森林

可能是最容易和最有效的实现方法

sklearn

如果使用Python，也有一个很好的实现您的观测数据有多大

{a，B，C，D，}

维度？该问题的扩展是

[m，n]

的问题，对于跨更广泛/多资产的长期时间序列定量建模的通用解决方案来说，这可能是一个性能问题，涵盖[股票、外汇现货、期权、期货等]。肯定使用

随机森林

可能是最容易和最有效的实现方法<如果您使用Python，code>sklearn也有一个很好的实现