Что такое R-эквивалент для csaps()

Question

csaps() в Matlab делает кубический сплайн в соответствии с определением параметра сглаживания p, Вот некоторый код Matlab и его результат:

     % 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

Я хотел бы получить тот же результат в R. Я пытался base::smooth.spline(), но параметр сглаживания spar указано по-другому, что я не могу относиться к Matlab's p (ты можешь?). Ближайший результат, который я смог получить, был с smooth.Pspline() функция pspline пакет. Вот некоторый код, чтобы заставить вещи катиться в R:

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

Справочная страница csaps() находится здесь

smooth.spline() помощь можно найти здесь (код не приводится, потому что я думаю, может быть, связь между spar а также p довольно волосатая, так что, возможно, не стоит идти по этому пути)

pspline::smooth.Pspline() помощь здесь

Похоже, что квест этого другого человека с 2008 года остался без ответа, и я чувствую себя как этот парень.

R переполнен сплайн-делами, так что если вы попадаете в парусов, вы можете указать мне на тот, который делает то же самое, что и Matlab csaps() (или трюк в том же духе) Я был бы очень благодарен.

[РЕДАКТИРОВАТЬ 19-8-2013] spar должен быть указан как (1-p)/p (скорее, чем 1/p), а затем результаты согласятся с тем, насколько вы можете использовать числовую точность. Смотрите ответ ниже.

Answer 1

Мой коллега нашел ответ: один конвертирует Matlab's p в pspline::smooth.Pspline()"s spar не так 1/p, но, как (1-p)/p, а затем результаты будут согласовываться с любой степенью точности:

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

Answer 2

Вот что я нашел в с. 16 из MATLAB/R Ссылка Дэвида Хибелера. [Я не использую Matlab, однако].

Подгоните естественный кубический сплайн (S′′(x) = 0 в обеих конечных точках) к точкам (xi, yi), координаты которых находятся в векторах x и y; вычислять в точках, координаты x которых находятся в векторе xx, сохраняя соответствующие y в yy

Matlab:

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

р

tmp=spline(x,y,method=’natural’,
xout=xx); yy=tmp$y