평활화 된 데이터에서 R의 변곡점 찾기

부드럽게 사용하는 데이터가 loess있습니다. 부드러운 선의 변곡점을 찾고 싶습니다. 이것이 가능한가? 누군가 가이 문제를 해결하기 위해 멋진 방법을 만들었을 것입니다 ... 내 말은 ... 결국 R입니다!

사용하는 스무딩 기능을 변경해도 괜찮습니다. 나는 loess그것이 과거에 사용 되었던 것이기 때문에 사용했습니다. 그러나 모든 평활 기능은 좋습니다. 변곡점이 사용하는 스무딩 기능에 따라 달라집니다. 난 괜찮아 변곡점을 뱉어내는 데 도움이되는 평활 기능을 사용하여 시작하고 싶습니다.

내가 사용하는 코드는 다음과 같습니다.

x = seq(1,15)
y = c(4,5,6,5,5,6,7,8,7,7,6,6,7,8,9)
plot(x,y,type="l",ylim=c(3,10))
lo <- loess(y~x)
xl <- seq(min(x),max(x), (max(x) - min(x))/1000)
out = predict(lo,xl)
lines(xl, out, col='red', lwd=2)

R을 사용하여 스무딩 된 곡선의 변곡점을 찾는 관점에서 y의 변화가 표시되는 스무딩 된 y 값에서 해당 위치를 찾아야합니다.

infl <- c(FALSE, diff(diff(out)>0)!=0)

그런 다음 이러한 변곡이 발생하는 지점을 그래프에 추가 할 수 있습니다.

points(xl[infl ], out[infl ], col="blue")

통계적으로 의미있는 변곡점을 찾는 관점에서 @nico는 변경점 분석 (때때로 세그먼트 회귀 분석이라고도 함)을 검토해야한다는 데 동의합니다.

여기 몇 가지 수준에 문제가 있습니다.

우선, 황토는 단지 하나 더 매끄럽게 일어나고 선택할 수있는 많은 것들이 있습니다. 낙관론자들은 합리적 스무더가 실제 패턴을 발견 할 것이며, 합리적 스무더가 거의 실제 패턴에 동의한다고 주장합니다. 비관론자들은 이것이 문제이며 "합리적인 스무더"와 "실제 패턴"은 서로의 관점에서 정의된다고 주장합니다. 요즘 왜 황토를 선택하고 왜 좋은 선택이라고 생각합니까? 선택은 단일 스무스 또는 단일 스무더의 단일 구현 일뿐 아니라 소프트웨어 간에도 동일하게 적용되는 것은 아니지만 단일 스무딩 수준도 선택됩니다 ( 당신을 위해 일상). 이 점을 언급했지만 그 점을 다루지는 않습니다.

보다 구체적으로, 장난감 예제에서 알 수 있듯이 회전 지점과 같은 기본 기능은 황토에 의해 쉽게 유지되지 않을 수 있습니다. 첫 번째 로컬 최소값이 사라지고 두 번째 로컬 최소값은 표시 한 특정 스무스로 대체됩니다. 첫 번째가 아닌 두 번째 미분의 0으로 정의되는 굴곡은 훨씬 더 까다로울 것으로 예상됩니다.

이 문제에 대한 훌륭한 접근 방식이 많이 있습니다. 일부는 포함됩니다. (1)-변경점-패키지 (2)-세그먼트-패키지. 그러나 변경점 수를 선택해야합니다. (3) -earth- 패키지에 구현 된 MARS

편견 / 분산 트레이드 오프에 따라 약간 씩 다른 정보가 제공됩니다. -분할 된-볼 가치가 있습니다. 다른 수의 변경점 모델을 AIC / BIC과 비교할 수 있습니다.

아마도 fda 라이브러리를 사용할 수 있고 적절한 연속 함수를 추정하면 2 차 도함수가 0 인 장소를 쉽게 찾을 수 있습니다.

FDA 크랜

FDA 소개

변경점 패키지 (2014 년 11 월 11 일 현재> 650)에 대해 블로그를 많이 방문 했으므로 CausalImpact를 사용하여 업데이트 된 게시물이 있습니다. http://r-datameister.blogspot.com/2014/11/causality-in-time-series-look-at-2-r.html