连续分段线性拟合法在Python中的实现 [英] Continuous Piecewise-Linear Fit in Python
本文介绍了连续分段线性拟合法在Python中的实现的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一些短时间序列(可能是30-100个时间点),它们有一个大致的形状:它们从高开始,快速下降,可能在零附近稳定,也可能不稳定在零附近,然后回升。如果它们不平坦,它们看起来就像简单的二次曲线,如果它们平坦,你可能会得到一长串的零。
我正在尝试使用lmfit
模块来拟合一条连续的分段线性曲线。我想推断直线在哪里改变了渐变,也就是说,我想知道曲线在哪里"定性"地改变了渐变。一般说来,我想知道梯度何时停止下降,何时又开始增加。我对它有一些问题:
lmfit
似乎至少需要两个参数,所以我必须传递_
。- 我不确定如何将一个参数约束为大于另一个参数。
- 我收到
could not broadcast input array from shape (something) into shape (something)
错误
以下是一些代码。首先,我的目标函数要最小化。
def piecewiselinear(params, data, _) :
t1 = params["t1"].value
t2 = params["t2"].value
m1 = params["m1"].value
m2 = params["m2"].value
m3 = params["m3"].value
c = params["c"].value
# Construct continuous, piecewise-linear fit
model = np.zeros_like(data)
model[:t1] = c + m1 * np.arange(t1)
model[t1:t2] = model[t1-1] + m2 * np.arange(t2 - t1)
model[t2:] = model[t2-1] + m3 * np.arange(len(data) - t2)
return model - data
然后我打电话,
p = lmfit.Parameters()
p.add("t1", value = len(data)/4, min = 1, max = len(data))
p.add("t2", value = len(data)/4*3, min = 2, max = len(data))
p.add("m1", value = -100., max=0)
p.add("m2", value = 0.)
p.add("m3", value = 20., min = 1.)
p.add("c", min=0, value = 800.)
result = lmfit.minimize(piecewiselinear, p, args = (data, _) )
模型是,在某个时间t1,直线的梯度发生变化,在t2也发生同样的变化。这两个参数以及线段(和一个截距)的坡度都需要推断。
我可以使用MCMC方法完成此操作,但我有太多这样的系列,这将花费太长时间。
部分回溯:
15 model = np.zeros_like(data)
16 model[:t1] = c + m1 * np.arange(t1)
---> 17 model[t1:t2] = model[t1-1] + m2 * np.arange(t2-t1)
18 model[t2:] = model[t2-1] + m3 * np.arange(len(data) - t2)
19
ValueError: could not broadcast input array from shape (151) into shape (28)
时间序列的几个示例:
欢迎任何建议。非常感谢。
推荐答案
这是一个相当凶猛的3-pwlin钳工的情节; 将用粗略的代码换取测试用例。
还有几个链接:
Fit-piecewise-linear-data
可能会为您提供一些想法;添加了一些
Dynamic programming。
github.com/NickFoubert/simple-segment
具有用于分割例如具有max_error(而不是片数)的ECG的PYTHON,
摘自Keogh等人的一篇不错的论文,
An online algorithm for segmenting time series,2001,8页
和一个可能的替代方案:您是否可以将p
的幂y ~ x^p
、log y ~ p log x^2
(将x
移至[-1.1]和y
1e-6左右)?
这将是可靠、快速,并且易于绘制和理解。
应该称一下两端的重量。
因此误差大致是平坦和正常的。
也可以将p
p'
分别放在左右两半。
这篇关于连续分段线性拟合法在Python中的实现的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文