一个changepoint是信号的某些统计性质突然发生变化的一个样本或时间瞬间。所讨论的属性可以是信号的均值、方差或光谱特征等。
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,将信号分成两部分。
为每个部分计算所需统计特性的经验估计。
在一个区域内的每个点上,测量有多少财产偏离了经验估计。添加所有点的偏差。
将偏差逐段相加,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,这个过程最为清晰。在这种情况下,findchangepts
使每个部分的“最佳”水平的总残差最小。给一个信号x1,x2、……xN,以及子序列均值和方差
在哪里平方和
findchangepts
发现k这样
是最小的。这个结果可以推广到其他统计数据中去。findchangepts
发现k这样
是最小的,给定的部分经验估计χ偏差测量Δ。
最小化残差等于最大化对数似然值。给出一个有均值的正态分布μ和方差σ2的对数可能性N独立观察
如果“统计”
被指定为“的意思是”
,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”
,均值固定,函数使用
如果“统计”
被指定为“rms”
时,总偏差与时相同“性病”
但当均值设为0时:
如果“统计”
被指定为“线性”
,该函数使用信号值与通过这些值的最小二乘线性拟合的预测之间的差的平方和作为总偏差。这个量也称为误差平方和,或上交所.最适合的直线通过x米,x米+1、……xn是
上证综指是
感兴趣的信号通常有不止一个变化点。当改变点的数目已知时,推广这个过程是很简单的。当数目未知时,必须在残差中添加惩罚项,因为添加更改点总是会减少残差并导致过拟合。在极端情况下,每个点都成为变点,残差消失。findchangepts
使用惩罚项,它随改变点的数量线性增长。如果有K更改点被发现,然后函数最小化
在哪里k0和kK分别为信号的第一个样本和最后一个样本。
为了实现最小化,findchangepts
采用了一种基于动态规划的穷举算法。