一个changepoint信号的某些统计性质在某一时刻突然发生变化的样本或时间瞬间。所讨论的特性可以是信号的平均值、它的方差或光谱特征等等。
为了找到一个信号变换点,findchangepts
采用参数全局方法。功能:
选择一个点和所述信号分成两个部分。
计算每个部分所需的统计特性的经验估计。
在一个区域内的每一点,测量房地产偏离经验估计的程度。添加所有点的偏差。
将各部分的偏差相加,得到总残差。
改变分割点的位置,直到总残差达到最小值。
当选择的统计量是平均值时,这个过程是最清楚的。在这种情况下,findchangepts
从每个部分的“最佳”水平水平最小化总剩余误差。给一个信号x1,x2、……xN,子序列的均值和方差
其中,平方和
findchangepts
发现k这样
是最小的。这个结果可以推广应用到其他统计数据中。findchangepts
发现k这样
是最小的,给定截面的经验估计χ和偏差测量Δ。
最小的残差等于最大的对数似然。给定一个正态分布μ和方差σ2的对数似然N独立观察
如果“统计”
被指定为“的意思是”
时,方差是固定的,函数使用
正如前面获得的。
如果“统计”
被指定为“性病”
时,平均值固定,函数使用
如果“统计”
被指定为“rms”
,则总偏差与“性病”
但当均值为0时:
如果“统计”
被指定为“线性”
时,函数使用信号值与最小二乘线性拟合预测值之间的差的平方和作为总偏差。这个量也被称为误差平方和,或上交所。最佳拟合线通过x米,x米+ 1、……xn是
上证综指是
感兴趣的信号通常有多个改变点。当变更点的数量已知时,推广过程是很简单的。当数量未知时,必须在残差上加一个惩罚项,因为增加变化点总是会降低残差,导致过拟合。在极端情况下,每个点都变成一个变化点,残余误差消失。findchangepts
使用一个惩罚项,它与变化点的数量线性增长。如果有K改变点被发现,然后函数最小化
在哪里k0和kK分别为信号的第一个和最后一个样本。
为了实现最小化,findchangepts
采用基于动态规划的穷举算法。