使用 `loess.smooth` 但不是 `loess` 或 `lowess` 时出错

Question

我需要对一些模拟数据进行平滑处理，但是当要平滑处理的模拟纵坐标几乎是相同的值时，偶尔会遇到问题。这是最简单情况的一个可重复的小示例。

> 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) 以及它们在 MATLAB 中的类似物在此示例中产生了预期的结果而没有错误。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”。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，如果你改变足够多的 y 值使其不为零，loess.smooth 运行不会出错，但我需要程序在最极端的情况下运行。

希望有人可以帮助我完成以下一项和/或全部工作：

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解决此问题的方法。
2. 使用loess 找到解决方法，但仍会在可能与向量x 不同的指定点数处评估估计值。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，但如果我在那里遗漏了什么，请告诉我。
3. 以不阻止程序移动到下一个模拟数据集的方式处理错误。

在此先感谢您对此问题的任何帮助。

Answer 1

第 1 部分： 这需要一些跟踪，但如果你这样做：

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

模型将适合。这是由于loess.smooth 和loess 的默认值不同造成的；前者有family = c("symmetric", "gaussian")，而后者则相反。如果您浏览loess 和loess.smooth 的代码，您会发现family = "gaussian" iterations 设置为1。否则它取值loess.control()$iterations。如果您在simpleLoess 中进行迭代，则以下函数调用将返回NaN 的向量：

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你看到的错误：

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 Loess 中的稳健拟合（方法）有关。如果您不想要/不需要坚固的配合，请在您的 loess.smooth 通话中使用 family = "gaussian"。

另外，请注意loess.smooth 的默认值与loess 的默认值不同，例如对于'span' 和'degree'。因此，请仔细检查您要拟合的模型并调整相关函数的默认值。

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)))

这给出了：

> 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，则默认值不会外推。事实上，我根本看不出在这里使用predict 有什么问题。

第 3 部分： 查看?try 和?tryCatch，您可以将其包裹在黄土拟合函数（例如loess.smooth）中，如果遇到loess.smooth 中的错误，则可以继续计算。

您需要处理try 或tryCatch 的输出，方法是包含类似（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`

我可能会将try 或tryCatch 与通过loess 拟合并使用predict 来解决此类问题。

Answer 2

这是我第一次遇到这些函数，所以我帮不了你太多，但这难道与 y 值的方差为 0 有关系吗？现在，您尝试从已经尽可能平滑的数据中估计出一条平滑线，这确实有效：

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