使用“loess.smooth”而不是“loess”或“lowess”时出错

Question

我需要平滑一些模拟数据，但当要平滑的模拟坐标大多为相同值时，偶尔会遇到问题。这是最简单情况的一个可重现的小例子。

> x <- 0:50
> y <- rep(0,51)
> loess.smooth(x,y)
Error in simpleLoess(y, x, w, span, degree, FALSE, FALSE, normalize = FALSE,  : 
   NA/NaN/Inf in foreign function call (arg 1)

在此示例中，loess(y~x)、lowess(x,y) 及其在 MATLAB 中的类似物产生预期结果，没有错误。我在这里使用 loess.smooth 是因为我需要在一定数量的点上评估估计值。根据文档，我相信 loess.smooth 和 loess 使用相同的估计函数，但前者是处理评估点的“辅助函数”。该错误似乎来自 C 函数：

> traceback()
3: .C(R_loess_raw, as.double(pseudovalues), as.double(x), as.double(weights), 
   as.double(weights), as.integer(D), as.integer(N), as.double(span), 
   as.integer(degree), as.integer(nonparametric), as.integer(order.drop.sqr), 
   as.integer(sum.drop.sqr), as.double(span * cell), as.character(surf.stat), 
   temp = double(N), parameter = integer(7), a = integer(max.kd), 
   xi = double(max.kd), vert = double(2 * D), vval = double((D + 
       1) * max.kd), diagonal = double(N), trL = double(1), 
   delta1 = double(1), delta2 = double(1), as.integer(0L))
2: simpleLoess(y, x, w, span, degree, FALSE, FALSE, normalize = FALSE, 
   "none", "interpolate", control$cell, iterations, control$trace.hat)
1: loess.smooth(x, y)

loess 也调用 simpleLoess，但参数似乎不同。当然，如果您将 y 值改变得足够多，使其不为零，则 loess.smooth 运行时不会出现错误，但我需要程序在最极端的情况下也能运行。

希望有人可以帮助我解决以下一项和/或全部问题：

1. 了解为什么只有 loess.smooth 而不是其他函数会产生此错误，并找到此问题的解决方案。
2. 使用 loess 找到解决方法，但仍然在可能与向量 x 不同的指定数量的点处评估估计值。例如，我可能只想在平滑中使用 x <- seq(0,50,10)，但在 x <- 0:50 处评估估计值>。据我所知，将 predict 与新数据框一起使用将无法正确处理这种情况，但如果我遗漏了某些内容，请告诉我。
3. 以不会阻止程序移至下一个模拟数据集的方式处理错误。

预先感谢您对这个问题的任何帮助。

Answer 1

第 1 部分：
这需要一些追踪，但如果你这样做：

loess.smooth(x, y, family = "guassian")

模型就会适合。这是由于 loess.smooth 和 loess 的默认值不同而产生的；前者有family = c("symmetry", "gaussian")，而后者则相反。如果您浏览 loess 和 loess.smooth 的代码，您会发现当 family = "gaussian" iterations< /code> 设置为 1。否则，它将采用值loess.control()$iterations。如果您在 simpleLoess 中进行迭代，以下函数调用将返回一个 NaN 向量：

pseudovalues <- .Fortran(R_lowesp, as.integer(N), as.double(y), 
            as.double(z$fitted.values), as.double(weights), as.double(robust), 
            integer(N), pseudovalues = double(N))$pseudovalues

这会导致下一个函数调用抛出您看到的错误：

zz <- .C(R_loess_raw, as.double(pseudovalues), as.double(x), 
            as.double(weights), as.double(weights), as.integer(D), 
            as.integer(N), as.double(span), as.integer(degree), 
            as.integer(nonparametric), as.integer(order.drop.sqr), 
            as.integer(sum.drop.sqr), as.double(span * cell), 
            as.character(surf.stat), temp = double(N), parameter = integer(7), 
            a = integer(max.kd), xi = double(max.kd), vert = double(2 * 
                D), vval = double((D + 1) * max.kd), diagonal = double(N), 
            trL = double(1), delta1 = double(1), delta2 = double(1), 
            as.integer(0L))

这都与鲁棒拟合有关黄土（方法）。如果您不想/不需要稳健的配合，请在 loess.smooth 调用中使用 family = "gaussian"。

另请注意，loess.smooth 的默认值与 loess 的默认值不同，例如 'span' 和 ' Degree'< /代码>。因此，请仔细检查您想要拟合哪些模型并调整相关函数的默认值。

对于第 2 部分：

DF <- data.frame(x = 0:50, y = rep(0,51))
mod <- loess(y ~ x, data = DF)
pred <- predict(mod, newdata = data.frame(x = c(-1, 10, 15, 55)))
mod2 <- loess(y ~ x, data = DF, control = loess.control(surface = "direct"))
pred2 <- predict(mod2, newdata = data.frame(x = c(-1, 10, 15, 55)))

其中给出：

> pred
 1  2  3  4 
NA  0  0 NA 
> pred2
1 2 3 4 
0 0 0 0

如果这就是您的意思，则默认值不会推断。事实上，我根本不明白这里使用 predict 有什么问题。

第 3 部分：
查看 ?try 和 ?tryCatch，您可以将它们包裹在 loess 拟合函数（例如 loess.smooth）中，这将允许计算继续进行如果在 loess.smooth 中遇到错误。

您需要通过包含类似的内容来处理 try 或 tryCatch 的输出（如果您在循环中执行此操作：

mod <- try(loess.smooth(x, y))
if(inherits(mod, "try-error"))
    next
## if here, model work, do something with `mod`

我可能会结合 try 或通过 loess 拟合并使用 predict 来解决此类问题的 tryCatch 。

Answer 2

这是我第一次遇到这些函数，所以我无法为您提供太多帮助，但这是否与 y 值的方差为 0 有关？现在，您尝试根据已经尽可能平滑的数据来估计一条平滑线，这确实有效：

x <- 0:50
y <- c(rep(0,25),rep(1,26))
loess.smooth(x,y)