使用`loess.smooth`时出错，但不使用“`loess`”或“`lowess`”

Question

我需要平滑一些模拟数据，但偶尔遇到问题时，模拟纵坐标平滑大部分是相同的值。下面是一个最简单的例子，可以重复使用。

> 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)

loess(y~x)、lowess(x,y)及其在MATLAB中的模拟结果在此示例中无误差地产生预期结果。我在这里使用loess.smooth，因为我需要在一定数量的点上评估估计值。根据文献资料，我认为loess.smooth和loess使用的是相同的估计函数，但前者是处理评价点的“辅助函数”。错误似乎来自于一个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，但使用的是不同的参数。当然，如果对y值的变化足够大，使其为非零，则loess.smooth运行时不会出错，但即使在最极端的情况下，我也需要运行该程序。

希望有人能帮我做一件和/或下列所有事情：

problem.

• Find

1. 理解为什么只有loess.smooth (而不是其他函数)会产生这个错误，并为这个loess.smooth找到一个解决方案--使用loess，但仍然在与向量x不同的指定点数上计算估计值。例如，我可能希望在平滑过程中只使用x <- seq(0,50,10)，但在x <- 0:50上评估估计值。据我所知，使用带有新数据框架的predict不能很好地处理这种情况，但是如果我遗漏了什么，请告诉我。
2. 以不阻止程序移动到下一个模拟数据集的方式处理错误。

提前感谢您在这个问题上的任何帮助。

Answer 1

用于第1部分：--这需要一些跟踪，但是如果您这样做的话：

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

这个模型会合适的。这是由于loess.smooth和loess的缺省值不同而产生的；前者有family = c("symmetric", "gaussian")，而后者则相反。如果您搜索loess和loess.smooth的代码，当family = "gaussian" iterations设置为1时，您将看到这一点。否则，它将获得值loess.control()$iterations。如果您在simpleLoess中进行迭代，下面的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

这将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))

这一切都与黄土的稳健拟合(方法)有关。如果您不希望/需要健壮的fit，请在您的family = "gaussian"调用中使用loess.smooth。

另外，请注意，loess.smooth的默认值与loess的默认值不同，例如'span'和'degree'。因此，请仔细检查您想要安装的模型，并调整相关函数的默认值。

第2部分的：

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)))

这意味着：

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

如果这是你的意思，默认情况下不会推断。事实上，我不认为在这里使用predict有什么问题。

用于第3部分：查看?try和?tryCatch，它们可以封装在黄土拟合函数(loess.smooth say)周围，如果遇到loess.smooth中的错误，将允许计算继续进行。

您需要通过包含类似于(如果在循环中这样做的话)来处理try或tryCatch的输出：

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

我可能会将try或tryCatch与通过loess进行拟合结合起来，并在这样的问题上使用predict。

Answer 2

这是我第一次遇到这些函数，所以我不能帮你那么多，但这与y-值的方差为0有关系吗？现在，您尝试从已经非常平滑的数据中估计出一条平滑的行，这是可行的：

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