内容：
我有一组网站，每天记录访问量：
W0 = { 30, 34, 28, 30, 16, 13, 8, 4, 0, 5, 2, 2, 1, 2, .. }
W1 = { 1, 3, 21, 12, 10, 20, 15, 43, 22, 25, .. }
W2 = { 0, 0, 4, 2, 2, 5, 3, 30, 50, 30, 30, 25, 40, .. }
...
Wn
一般问题：
- 如何确定哪些站点最活跃？
我的意思是最近几天访问量增加或访问量突然增加。出于说明目的，在上面的小示例中，W0最初会很流行，但开始表现出抛弃状态，W1表现出稳定的人气（带有一些孤立的峰值），W3处于平静的启动之后是重要的上升）。
最初的想法：
// pageviews for most recent day
y2 = pageviews[-1]
// pageviews for previous day
y1 = pageviews[-2]
// Simple baseline trend algorithm
slope = y2 - y1
trend = slope * log(1.0 +int(total_pageviews))
error = 1.0/sqrt(int(total_pageviews))
return trend, error
这看起来既好又容易，但是我遇到了问题。
该计算基于斜率。很好，这是我感兴趣的功能之一，但是恕我直言，它在非单调系列中存在问题。想象一下，在某些日子里，访问次数恒定（因此坡度= 0），那么上述趋势将为零。
问题：
- 如何处理两种情况（单调增加/减少）和大量匹配？
- 我应该使用单独的公式吗？
1
我很惊讶您尚未收到任何答案（尽管这是一个很受欢迎的问题）。由于您的四个项目符号本身都值得提出一个问题，因此如何将这个问题限制为其中一个问题，然后将其他问题张贴在单独的问题中。它们都是非常好的问题，需要采取不同的方法，所有这四个问题都值得单独考虑。
—
安迪W
嗨，安迪，非常感谢您的回答。我将尝试重述一下，一次只关注一个问题。我最初的想法是使它尽可能广泛（并避免在以后重复相同的问题），但是由于缺少答案，因此似乎有人回答太笼统了。
—
丹
我编辑了这个问题，以揭示我最感兴趣的两个主要问题。鉴于他们的紧密关系，我选择将它们放在同一问题中。
—
丹
我仍然无法理解为什么只有一个估计值并带有一个很小的误差会使方法“不可用”。
—
一站式
感谢您的评论。我并不是说方法（趋势计算）不可用，但其错误计算可能会带来潜在问题。鉴于到目前为止我还没有答案，所以我将从问题中删除该项目，以希望它变得更容易回答。
—
丹