ポイントが完全に滑らかではないシミュレーションから生成されたトレードオフ曲線があります。スプラインに合わせて最大値を計算したいと思います。ポイントのギザギザの性質により、特にピーク付近では、曲線全体にスプラインを当てはめることは意味がありません。代わりに、より適切なスプラインに適合できるように、曲線のほとんどの (すべてではない) 有益でない部分 (ポイントが均一に増加/減少していない部分) を破棄したいと考えています。
3 つの曲線の例を次に示します。
structure(list(x = c(0.01, 0.0615789473684211, 0.113157894736842,
0.164736842105263, 0.216315789473684, 0.267894736842105, 0.319473684210526,
0.371052631578947, 0.422631578947368, 0.474210526315789, 0.52578947368421,
0.577368421052632, 0.628947368421053, 0.680526315789474, 0.732105263157895,
0.783684210526316, 0.835263157894737, 0.886842105263158, 0.938421052631579,
0.99), y = c(0.67455086336912, 0.798345993110331, 0.842040269562323,
0.876826597424532, 0.903925678739277, 0.922394814941881, 0.937688904117379,
0.952464844120848, 0.959010185199922, 0.960880828342136, 0.968131047741576,
0.967998560989975, 0.963479216138144, 0.947228114551568, 0.930237609460854,
0.900655040504384, 0.849692079994379, 0.793895388319592, 0.715064370596625,
0.586048018267692)), .Names = c("x", "y"), row.names = c(NA,
-20L), class = "data.frame")
structure(list(x = c(0.01, 0.0615789473684211, 0.113157894736842,
0.164736842105263, 0.216315789473684, 0.267894736842105, 0.319473684210526,
0.371052631578947, 0.422631578947368, 0.474210526315789, 0.52578947368421,
0.577368421052632, 0.628947368421053, 0.680526315789474, 0.732105263157895,
0.783684210526316, 0.835263157894737, 0.886842105263158, 0.938421052631579,
0.99), y = c(0.471958752798607, 0.703622592901373, 0.75810009343474,
0.804310552037636, 0.833980459996575, 0.858824563652134, 0.880427517647614,
0.898865451764142, 0.91097315832838, 0.926239088224158, 0.933622984262967,
0.940626455467701, 0.944787886406163, 0.940076642124325, 0.938416888413051,
0.918335717622263, 0.886320360986925, 0.84476577117581, 0.782884400269357,
0.680906832291339)), .Names = c("x", "y"), row.names = c(NA,
-20L), class = "data.frame")
structure(list(x = c(0.01, 0.0615789473684211, 0.113157894736842,
0.164736842105263, 0.216315789473684, 0.267894736842105, 0.319473684210526,
0.371052631578947, 0.422631578947368, 0.474210526315789, 0.52578947368421,
0.577368421052632, 0.628947368421053, 0.680526315789474, 0.732105263157895,
0.783684210526316, 0.835263157894737, 0.886842105263158, 0.938421052631579,
0.99), y = c(0.92758700570137, 1.01008397567002, 1.06088676091004,
1.10000024909512, 1.13048775170492, 1.15176599158524, 1.17517328999588,
1.17489937140761, 1.22188964933233, 1.2073639239554, 1.1686005354797,
1.15073969246578, 1.22855065420885, 1.30756438989448, 1.27583479809645,
1.22221301838554, 1.15463640322463, 1.08629005387455, 1.00778694924309,
0.917029835140733)), .Names = c("x", "y"), row.names = c(NA,
-20L), class = "data.frame")
これが私のspline機能です。
library(mgcv)
cspline <- function(data) {
m <- data$x
lambda <- data$y
m1 <- mgcv::gam(lambda ~ s(m, fx = FALSE, k=-1, bs = "cr"))
predm <- predict(m1, data.frame(m = seq(0.01, 0.99, length = 100000)), se=TRUE)$fit
pm <- seq(0.01, 0.99, length = 100000)
maxy <- max(predm)
maxx <- pm[which(predm == max(predm))]
return(list(maxx, maxy))
}
ポイントの変動が大きい曲線の部分に焦点を当て、それらにスプラインを合わせることができるようにするアルゴリズムまたはアイデアを誰かが提案できますか(そして、寄与しないピークの両側の他のポイントを破棄します)詳しくは）？