оценить (т.е. предсказать) сглаживающий сплайн вне R
Я установил сглаживающий сплайн для данных в R с
library(splines)
Model <- smooth.spline(x, y, df =6)
Я хотел бы взять подогнанный сплайн и оценить его для произвольных новых данных во внешнем коде (не в R). Другими словами, делать то, чтоpredict.smooth.spline
функция делает. Я посмотрел наModel
объект:
> str(Total_work_model)
List of 15
$ x : num [1:14] 0.0127 0.0186 0.0275 0.0343 0.0455 ...
$ y : num [1:14] 3174 3049 2887 2862 2975 ...
$ w : num [1:14] 1 1 1 1 1 1 1 1 1 1 ...
$ yin : num [1:14] 3173 3075 2857 2844 2984 ...
$ data :List of 3
..$ x: num [1:14] 0.0343 0.0455 0.0576 0.0697 0.0798 ...
..$ y: num [1:14] 2844 2984 3048 2805 2490 ...
..$ w: num [1:14] 1 1 1 1 1 1 1 1 1 1 ...
$ lev : num [1:14] 0.819 0.515 0.542 0.568 0.683 ...
$ cv.crit : num 6494075
$ pen.crit: num 3260
$ crit : num 3
$ df : num 8
$ spar : num 0.353
$ lambda : num 8.26e-05
$ iparms : Named int [1:3] 3 0 10
..- attr(*, "names")= chr [1:3] "icrit" "ispar" "iter"
$ fit :List of 5
..$ knot : num [1:20] 0 0 0 0 0.056 ...
..$ nk : int 16
..$ min : num 0.0127
..$ range: num 0.104
..$ coef : num [1:16] 3174 3132 3027 2871 2842 ...
..- attr(*, "class")= chr "smooth.spline.fit"
$ call : language smooth.spline(x = Phi00, y = Total, df = 8)
- attr(*, "class")= chr "smooth.spline"
я думаюModel$fit$knot
а такжеModel$fit$coef
векторы содержат полное описание подгонки. Обратите внимание, что узлы 20, аx
а такжеy
у меня есть 14 элементов каждый: я всегда думал, что у сглаживающего сплайна будет столько узлов, сколько и точек привязки Однако, поскольку первые три и последние три узла идентичны, 20-6 = 14, что имеет смысл. Проблема в том, что я не знаю, как использоватьModel$fit$knot
а такжеModel$fit$coef
делать прогнозы за пределами R. Я пытался взглянуть наpredict.smooth.spline
но удивительно вот что я получаю
> library(splines)
> predict.smooth.spline
Error: object 'predict.smooth.spline' not found
РЕДАКТИРОВАТЬ: так как, очевидно, некоторые пользователи неправильно поняли вопрос, я знаю, как использоватьpredict
в R, чтобы получить новые значения моего сглаживающего сплайна. Проблема в том, что я хочу сделать эти прогнозы во внешнем коде. Таким образом, я хотел посмотреть на код для функцииpredict.smooth.spline
, чтобы я мог попытаться воспроизвести алгоритм вне R. Обычно в R вы можете прочитать код функции, просто введя ее имя (без аргументов и без скобок) в приглашении R. Но когда я пытаюсь сделать это сpredict.smooth.spline
Я получаю вышеуказанную ошибку.
EDIT2: благодаря большой помощи @ r2evans, я нашел источник дляpredict
методsmooth.spline
, Я (кажется, я) понимаю большую часть этого:
> stats:::predict.smooth.spline.fit
function (object, x, deriv = 0, ...)
{
if (missing(x))
x <- seq.int(from = object$min, to = object$min + object$range,
length.out = length(object$coef) - 4L)
xs <- (x - object$min)/object$range
extrap.left <- xs < 0
extrap.right <- xs > 1
interp <- !(extrap <- extrap.left | extrap.right)
n <- sum(interp)
y <- xs
if (any(interp))
y[interp] <- .Fortran(C_bvalus, n = as.integer(n), knot = as.double(object$knot),
coef = as.double(object$coef), nk = as.integer(object$nk),
x = as.double(xs[interp]), s = double(n), order = as.integer(deriv))$s
if (any(extrap)) {
xrange <- c(object$min, object$min + object$range)
if (deriv == 0) {
end.object <- Recall(object, xrange)$y
end.slopes <- Recall(object, xrange, 1)$y * object$range
if (any(extrap.left))
y[extrap.left] <- end.object[1L] + end.slopes[1L] *
(xs[extrap.left] - 0)
if (any(extrap.right))
y[extrap.right] <- end.object[2L] + end.slopes[2L] *
(xs[extrap.right] - 1)
}
else if (deriv == 1) {
end.slopes <- Recall(object, xrange, 1)$y * object$range
y[extrap.left] <- end.slopes[1L]
y[extrap.right] <- end.slopes[2L]
}
else y[extrap] <- 0
}
if (deriv > 0)
y <- y/(object$range^deriv)
list(x = x, y = y)
}
Однако у меня есть две трудности:
.Fortran()
функция вызывает подпрограмму Fortranbvalus
чьяисточник это довольно просто. Тем не мение,bvalus
по очереди звонкиbvalue
что гораздо большесложнои звонкиinterv
чей источник я не могу найти. Плохие новости:bvalue
это слишком сложно для меня, чтобы понять (я определенно не эксперт Фортран). Хорошие новости: внешний код, который должен воспроизводитьpredict.smooth.spline.fit
это также код Fortran. Если хуже становится хуже, я мог бы просто попросить моего коллегу указать источник изbvalus
а такжеbvalue
в своем коде. Однако, даже в этом, по общему признанию, не очень хорошем сценарии, я все еще пропустил бы исходный код дляinterv
(Я надеюсь, что это не называет что-то еще !!!).
Я не понимаю, что здесь делается (заметьте, меня интересует толькоderiv == 0
дело):
k
if (any(extrap)) {
xrange <- c(object$min, object$min + object$range)
if (deriv == 0) {
end.object <- Recall(object, xrange)$y
end.slopes <- Recall(object, xrange, 1)$y * object$range
if (any(extrap.left))
y[extrap.left] <- end.object[1L] + end.slopes[1L] *
(xs[extrap.left] - 0)
if (any(extrap.right))
y[extrap.right] <- end.object[2L] + end.slopes[2L] *
(xs[extrap.right] - 1)
}
Какой-то рекурсивный код? Любая помощь здесь?