變化點分析
有人可以向我解釋一下變化點。我在R中使用包，我不太了解不同方法的含義，每種方法的優缺點，尤其不了解懲罰值。當你增加懲罰值時，這意味著什麼，它有什麼作用？我已經在網上進行了大量研究，但我一直在尋找 cran R 和 quick R 站點，它們很好，但他們說的方式對我來說並不合適。
非常感謝。
changepoint 包中有 3 個主要功能
cpt.mean，cpt.var和cpt.meanvar. 作為從業者，這些是您應該需要的包中唯一的功能。如果您認為您的數據可能包含平均值的變化，那麼您可以使用該cpt.mean函數等。下一個問題您應該問自己，您是在尋找數據中的單個還是多個更改。參數處理這個
method問題，最多一次更改有 AMOC，多次更改有 PELT、BinSeg 和 SegNeigh。您要使用哪種多變更點方法取決於：a) 您選擇的分銷/免分銷方式（見下文）和
b) 你有多少時間/你希望你的答案有多準確。BinSeg 快速但近似，PELT 準確且快速但不能用於所有分佈，SegNeigh 準確但緩慢。
下一個問題是您可以/願意對您的數據做出哪些假設。這裡的關鍵是該假設適用於更改之間的每組數據，而不是整個數據。例如，您可以假設一個正態分佈，但如果您對整個數據進行正態性測試，它很可能會失敗（由於潛在的變化）。因此，通常我們會做出假設，運行變更點分析，然後根據已識別的變更檢查假設。同樣，根據變化的類型，有不同的分發和無分發方法。有關選擇，請參閱每個函數的文檔，並隨時評論您正在考慮使用的測試統計數據，我可以列出假設。
最後，你看看點球。懲罰提供了許多小更改和沒有更改之間的折衷。因此，如果您將懲罰設置為 0，那麼您在每個可能的位置都會得到更改，如果您將懲罰設置為無窮大，那麼您不會得到任何更改。適當的懲罰值取決於您的數據和您要回答的問題。例如，您可能平均有 0.5 個單位的變化，但您可能只對 1+ 個單位的變化感興趣。有很多方法可以選擇你的懲罰：
- “by-eye”，即嘗試幾個不同的值，直到找到一個看起來適合您的問題的值。
- “elbow-plot”，即繪製針對所使用的懲罰確定的變化點的數量。這將創建一條曲線，其中較小的懲罰值會產生較大的（虛假）變化，並且隨著懲罰的減少，這些虛假變化會以較快的速度下降，該速率會減慢，因為只留下真正的變化，然後慢慢下降到沒有變化以產生較大的懲罰. 我們的想法是將 2 條直線擬合到這條曲線上，並選擇它們相交的罰分。這產生了一種特別但更客觀的選擇懲罰的方法，而不是 1。
- 使用信息標準。包裝中包含 AIC、BIC/SIC、Hannan-Quinn 等一些。包裝中不包含其他一些，但您可以根據需要提供一個公式
pen.value。如果您需要更多信息或對具體問題進行說明，請發表評論，我會盡力回答。