传统统计方法在时间序列分析中既简洁又有力，但面对大规模时间序列集合时，扩展性往往不尽如人意。现实中的趋势变化往往微弱、带有噪声、数量也不止一个，靠肉眼判断既不可靠也不现实。一旦需要处理数十乃至数百条时间序列，人工识别就更不可行了。
Figure 1: Identify the optimal number of knots and their positions using grid search
解决思路是用程序来定位变化点。估计趋势变化点的手段有很多，本文聚焦于网格搜索策略与分段回归的结合，自动确定变化点的数量和位置。
完整代码有 R 和 Python 两个版本，Streamlit 应用也可在线体验。
https://avoid.overfit.cn/post/17546aec522448f3a843c394d804fe48