স্বল্পতা যা বিরতি দেয়

Question

• LOESS এর মতো এমন কোন মডেলিং কৌশল রয়েছে যা শূন্য, এক বা একাধিক বিচ্ছিন্নতার জন্য অনুমতি দেয়, যেখানে বিচ্ছিন্নতার সময়কাল অ্যাপ্ররিরি না জানা যায়?
• যদি কোনও কৌশল উপস্থিত থাকে তবে আর-তে কি কোনও বিদ্যমান বাস্তবায়ন রয়েছে?

Comments

জানা এক্স-মানগুলিতে বা অজানা এক্স-মানগুলিতে বিচ্ছিন্নতা? (পরিচিত x যথেষ্ট সহজ)

— Glen_b -Rininstate মনিকা

@ বাগেন আমি প্রশ্নটি আপডেট করেছিলাম: আমি এমন পরিস্থিতিতে আগ্রহী যেখানে সংঘর্ষের সময়টি এপ্রোরি হিসাবে জানা যায় না।

— জেরোমি অ্যাংলিম

এটি মোটা / বোকা প্রশ্ন হতে পারে, তবে আপনি "সময়" বলছেন: এটি কি টাইম সিরিজের সাথে ব্যবহারের জন্য? আমি বিশ্বাস করি যে নীচের উত্তরগুলির বেশিরভাগই এটি ("চেঞ্জপয়েন্ট ইত্যাদি") ধরে নিয়েছে, যদিও অল্প-বিরতিতে অ-সময়-সিরিজ পরিস্থিতিতে লসটি প্রয়োগ করা যেতে পারে। আমি মনে করি.

— ওয়েইন

Answer 1

মনে হচ্ছে আপনি প্রতিটি বিভাগের মধ্যে স্বতন্ত্র স্মুথিংয়ের পরে একাধিক পরিবর্তনবিধি সনাক্তকরণ সম্পাদন করতে চান othing (সনাক্তকরণ অনলাইনে হতে পারে বা নাও হতে পারে, তবে আপনার আবেদনটি অনলাইনে হওয়ার সম্ভাবনা নেই)) এ সম্পর্কে প্রচুর সাহিত্য রয়েছে; ইন্টারনেট অনুসন্ধানগুলি ফলপ্রসূ।

• ডিএ স্টিফেনস 1994 সালে বায়েশিয়ান চেঞ্জপয়েন্ট সনাক্তকরণের জন্য একটি দরকারী ভূমিকা লিখেছিলেন (অ্যাপ্লিকেশন স্ট্যাটাস। 43 # 1 পিপি 159-178: জেএসটিওআর )।
• সাম্প্রতিক সময়ে পল ফার্নহেড চমৎকার কাজ করছেন (উদাহরণস্বরূপ, একাধিক পরিবর্তন সমস্যাগুলির জন্য নির্ভুল এবং দক্ষ বায়েশিয়ান অনুমান , স্ট্যাট কম্পিউট (2006) 16: 203-213: ফ্রি পিডিএফ )।
• ডি ব্যারি এবং জেএ হারটিগানের একটি সুন্দর বিশ্লেষণের ভিত্তিতে একটি পুনরাবৃত্তির অ্যালগরিদম বিদ্যমান
  • পরিবর্তন পয়েন্ট মডেলগুলির জন্য পণ্য পার্টিশন মডেল, আন। তাত্ক্ষণিকবাজার। 20: 260-279: জেএসটিওআর ;
  • চেঞ্জ পয়েন্ট সমস্যাগুলির জন্য একটি বায়েশিয়ান বিশ্লেষণ, জাসা 88: 309-319: জেএসটিওআর ।
• ব্যারি অ্যান্ড হারটিগান অ্যালগরিদমের একটি বাস্তবায়ন ও। সিডু এবং টিবিএমজে আওদা, মাল্টিভারিয়েট লিনিয়ার রেগ্রেশন এবং পুনর্বিবেচনার ভিত্তিতে একাধিক পরিবর্তন পয়েন্ট সনাক্তকরণ এবং রিভার স্ট্রিমফ্লোস এপ্লিকেশন, জলাধারায় নথিভুক্ত । রেস, 2006। ফ্রি পিডিএফ ।

আমি কোনও আর বাস্তবায়নের জন্য কঠোরভাবে দেখিনি (আমি কিছুদিন আগে ম্যাথমেটিকায় একটি কোড করেছিলাম) তবে আপনি যদি কোনও সন্ধান পান তবে একটি রেফারেন্সের প্রশংসা করব।

Comments

আমি BCP আর প্যাকেজ খুঁজে পাওয়া jstatsoft.org/v23/i03/paper যা ব্যারি ও Hartigan অ্যালগরিদম প্রয়োগ

— Jeromy Anglim

@ জারোমি: আর প্যাকেজটির জন্য এবং রেফারেন্সের লিঙ্কগুলি সন্নিবেশ করানোর জন্য আপনাকে ধন্যবাদ।

— whuber

Answer 2

কোয়েঙ্কারের ভাঙা রেখার রিগ্রেশন দিয়ে এটি করুন, এই চিত্রটির 18 পৃষ্ঠা দেখুন

http://cran.r-project.org/web/packages/quantreg/vignettes/rq.pdf

হুবারের সর্বশেষ মন্তব্যের জবাবে:

এই অনুমানকারীটি এর মতো সংজ্ঞায়িত হয়।

, x ( i ) ≥ x ( i - 1 $x\in\mathbb{R}$ ,$x_{(i)}\geq x_{(i-1)}\;\forall i$

,$e_i:=y_{i}-\beta_{i}x_{(i)}-\beta_0$

, z - = সর্বাধিক ( - z , 0 ) ,$z^+=\max(z,0)$$z^-=\max(-z,0)$

, λ ≥ $\tau \in (0,1)$$\lambda\geq 0$

$\underset{\beta\in\mathbb{R}^n|\tau, \lambda}{\min.} \sum_{i=1}^{n} \tau e_i^++\sum_{i=1}^{n}(1-\tau)e_i^-+\lambda\sum_{i=2}^{n}|\beta_{i}-\beta_{i-1}|$

আকাঙ্ক্ষিত সমাংশক দেয় (উদাহরণে অর্থাত, τ = 0.9 )। λ জন্য: ব্রেকপয়েন্ট সংখ্যা নির্দেশ λ কোন বিরতি পয়েন্ট (classicla রৈখিক সমাংশক রিগ্রেশন মূল্নির্ধারক সংশ্লিষ্ট) বড় এই মূল্নির্ধারক পর্যন্ত সঙ্কুচিত।$\tau$$\tau=0.9$$\lambda$$\lambda$

কোয়ান্টাইল স্মুথিং স্প্লাইজস রজার কোয়েঙ্কার, পিন এনজি, স্টিফেন পোর্টন বায়োমেট্রিকা, খণ্ড। 81, নং 4 (ডিসেম্বর। 1994), পৃষ্ঠা 673-680

পিএস: একই নামে একই অপর দ্বারা প্রকাশিত একসেস ওয়ার্কিং পেপার রয়েছে তবে এটি একই জিনিস নয়।

Comments

এটি একটি পরিষ্কার ধারণা: রেফারেন্সের জন্য ধন্যবাদ। তবে, সেই নির্দিষ্ট ফিটের অবশিষ্টাংশগুলি দেখতে বেশ খারাপ দেখাচ্ছে, যা আমাকে বিস্মিত করে তোলে যে এটি সম্ভাব্য পরিবর্তনগুলি কীভাবে চিহ্নিত করে।

— whuber

হুঁশিয়ার: আপনি কোয়ান্টাইল রিগ্রেশন তত্ত্বের সাথে কতটা পরিচিত তা আমি জানি না। এই রেখাগুলি স্প্লাইনের উপরে একটি বড় সুবিধা রয়েছে: এগুলি কোনও ত্রুটি বিতরণ ধরে না (যেমন তারা অবশিষ্টাংশগুলিকে গাউসিয়ান বলে ধরে নি)।

— ব্যবহারকারী 60

এই টুইটটি আকর্ষণীয় দেখাচ্ছে একটি সাধারণ ত্রুটি বিতরণ ধরে না নিলে আমার অ্যাপ্লিকেশনগুলির জন্য দরকারী হবে।

— জেরোমি অ্যাংলিম

প্রকৃতপক্ষে, আপনি এই অনুমানের বাইরে যা আসবেন তা হ'ল প্রকৃত শর্তসাপেক্ষ কোয়ান্টাইলগুলি: সংক্ষেপে, এগুলি স্প্লাইস / লস-রিগ্রেশনগুলিতে বক্সপ্লটগুলি দম্পতির (মানে, এসডি) কী কী তা আপনার ডেটা সম্পর্কে আরও সমৃদ্ধ দৃষ্টিভঙ্গি। তারা সেখানে গাউসীয় প্রসঙ্গে (যেমন অসমেট্রিক ত্রুটি, ...) বৈধতা ধরে রাখে।

— ব্যবহারকারী 60

@ কেওয়াক: অবশিষ্টাংশগুলি এক্স-কোঅর্ডিনেটের সাথে ভারী সম্পর্কযুক্ত। উদাহরণস্বরূপ, নেতিবাচক বা ছোট ইতিবাচক অবশিষ্টাংশের দীর্ঘ রান রয়েছে। তাদের গাউসির বিতরণ থাকুক বা না থাকুক, তবে তা নিরবচ্ছিন্ন (পাশাপাশি কোনও অনুসন্ধানমূলক বিশ্লেষণে অপ্রাসঙ্গিক): এই পারস্পরিক সম্পর্কটি দেখায় যে ফিটটি দরিদ্র is

— whuber

Answer 3

এই সমস্যাটি সমাধান করার জন্য এখানে কয়েকটি পদ্ধতি এবং সম্পর্কিত আর প্যাকেজ রয়েছে

রিগ্রেশনে ওয়েভলেট থ্রোসোল্ডিংয়ের অনুমান বিযুক্তির জন্য অনুমতি দেয়। আপনি আর-তে প্যাকেজ তরঙ্গথ্রেশ ব্যবহার করতে পারেন

বৃক্ষভিত্তিক প্রচুর পদ্ধতি (তরঙ্গকরণের ধারণা থেকে খুব বেশি দূরে নয়) ব্যবহারযোগ্য হয় যখন আপনার বিচ্ছিন্নতা থাকে। তাই প্যাকেজ ট্রিথ্রেশ, প্যাকেজ ট্রি!

" স্থানীয় সর্বাধিক সম্ভাবনা " পদ্ধতির পরিবারগুলিতে ... অন্যদের মধ্যে: পোজেল এবং স্পোকইনির কাজ: অ্যাডাপটিভ ওয়েট স্মুথিং (প্যাকেজ অ্যাউস) ক্যাথারিন লোডার দ্বারা কাজ: প্যাকেজ লোকফিট

আমার ধারণা স্থানীয়ভাবে পরিবর্তিত ব্যান্ডউইথের সাথে কোনও কার্নেল মসৃণ পয়েন্টটি তোলে তবে আমি এর জন্য আর প্যাকেজটি জানি না।

note: I don't really get what is the difference between LOESS and regression... is it the idea that in LOESS alrgorithms should be "on line" ?

Comments

Re LOESS: Perhaps my terminology is not quite right. By LOESS I'm referring to models that predict Y from X using some form of localised curve fitting. e.g., as seen in most of these graphs: google.com/…

— Jeromy Anglim

Answer 4

It should be possible to code a solution in R using the non-linear regression function nls, b splines (the bs function in the spline package, for example) and the ifelse function.