5

csaps()在 matlab 中，根据平滑参数的特定定义进行三次样条p。这是一些matlab代码及其结果：

     % x variable
    age = 75:99  

    % y variable
    diffs = [-39   -2 -167  -21  -13   32  -37 -132 -143  -91  -93  -88  -62 -112  -95  -28  -90  -40  -27  -23  -28  -11   -8   -6    1]

    % 0.0005 is the parameter p, and the later specification of 
    % age are the desired x for prediction
    csaps(age,diffs,0.0005,age)
    % result (column headers removed):
     -63.4604  -64.0474  -64.6171  -65.1397  -65.6111  -66.0165  -66.3114  
     -66.4123  -66.2229  -65.6726  -64.7244  -63.3582  -61.5676  -59.3568  
     -56.7364  -53.7382  -50.4086  -46.7922  -42.9439  -38.9183  -34.7629  
     -30.5180  -26.2186  -21.8912  -17.5532

我想在 R 中得到相同的结果。我试过base::smooth.spline()了，但是平滑参数spar以不同的方式指定，我似乎无法与 matlab 相关p（你可以吗？）。我能得到的最接近的结果是包的smooth.Pspline()功能。pspline这是一些让事情在 R 中滚动的代码：

age <- 75:99
diffs <- c(-39L, -2L, -167L, -21L, -13L, 32L, -37L, -132L, -143L, -91L, 
-93L, -88L, -62L, -112L, -95L, -28L, -90L, -40L, -27L, -23L, 
-28L, -11L, -8L, -6L, 1L)
predict(pspline::smooth.Pspline(
                           x = age,
                           y = diffs, 
                           norder = 2, 
                           method = 1,
                           spar = 1 / 0.0005     # p given in MP and matlab as 0.0005
                         ),age)
# which gives something close, but not exactly the same:
 [1] -63.46487 -64.05103 -64.61978 -65.14158 -65.61214 -66.01662 -66.31079
 [8] -66.41092 -66.22081 -65.67009 -64.72153 -63.35514 -61.56447 -59.35372
[15] -56.73367 -53.73584 -50.40680 -46.79098 -42.94333 -38.91850 -34.76393
[22] -30.51985 -26.22131 -21.89474 -17.55757

csaps() 帮助页面在这里

smooth.spline()可以在这里spar找到帮助（未给出代码，因为我认为和之间的关系可能p很复杂，所以可能不值得走这条路）

pspline::smooth.Pspline()帮助在这里

这个其他人从 2008 年开始的任务似乎没有得到答复，让我觉得自己像这个人。

R充满了样条函数，所以如果你们中的聪明人可以指出我与matlab做同样的事情csaps()（或沿着这些路线的技巧），我会非常感激。

[EDIT 19-8-2013] spar需要指定为(1-p)/p （而不是1/p），然后结果将与数值精度一致。请参阅下面的答案。

4

2 回答 2

5

我的同事找到了答案：将 matlab's 转换p为pspline::smooth.Pspline()'sspar不是 as 1/p，而是 as (1-p)/p，然后结果将与数值精度的程度一致：

c(predict(pspline::smooth.Pspline(
                          x = age,
                          y = diffs, 
                          norder = 2, 
                          method = 1,
                          spar = (1-0.0005) / 0.0005     # p given in MP and matlab as 
                         ),age))
 [1] -63.46035 -64.04741 -64.61705 -65.13972 -65.61114 -66.01646 -66.31144
 [8] -66.41232 -66.22285 -65.67263 -64.72443 -63.35823 -61.56761 -59.35675
[15] -56.73643 -53.73821 -50.40864 -46.79221 -42.94387 -38.91828 -34.76291
[22] -30.51801 -26.21863 -21.89122 -17.55320
于 2013-08-19T15:22:34.790 回答
0

这是我在 p 中找到的。David Hiebeler的MATLAB/R Reference的 16。[我不使用 Matlab，但是]。

将自然三次样条(S′′(x) = 0 at both endpoints) 拟合到坐标在向量 x 和 y 中的点 (xi, yi)；在 x 坐标在向量 xx 中的点处求值，将对应的 y 存储在 yy 中

MATLAB： 

pp=csape(x,y,’variational’);
yy=ppval(pp,xx) but note that
csape is in Matlab’s Spline
Toolbox

R

tmp=spline(x,y,method=’natural’,
xout=xx); yy=tmp$y
于 2013-08-17T00:26:53.373 回答