Machine learning 识别不同时期的回归模型变化

给定一组K个自变量

X=（x1，x2，…，xk）

和一个因变量

y

，我尝试运行逐步回归模型，以找到描述

y

的最佳变量集。总数据点的长度为

n

，因此

y

的大小为

nx1

，而

x

的大小为

nxk

。例如，如果

k=10

，最好的变量集可能是

x1、x3、x6

，因此模型可能是

y=0.25*x1+0.30*x3+0.50*x6+e

虽然该模型使用完整的数据点

（n）

，但有时我想看看

y

与不同时间子集的自变量之间的关系，因为在一个子周期内，

x1、x3、x6

可能不是最佳模型。例如，

设n=60

，因此第一个日期是2015年9月，最后一个日期是2020年8月。我想知道在2015年9月至2018年8月或2018年8月至2020年8月期间，最好的一组因素是否会发生变化

我想知道针对这类问题有哪些算法

谢谢