什么是matlab的R等价物'；s csaps（）

matlab中的

csaps（）

根据平滑参数

p

的特定定义进行三次样条。以下是一些matlab代码及其结果：

     % x variable
    age = 75:99  

    % y variable
    diffs = [-39   -2 -167  -21  -13   32  -37 -132 -143  -91  -93  -88  -62 -112  -95  -28  -90  -40  -27  -23  -28  -11   -8   -6    1]

    % 0.0005 is the parameter p, and the later specification of 
    % age are the desired x for prediction
    csaps(age,diffs,0.0005,age)
    % result (column headers removed):
     -63.4604  -64.0474  -64.6171  -65.1397  -65.6111  -66.0165  -66.3114  
     -66.4123  -66.2229  -65.6726  -64.7244  -63.3582  -61.5676  -59.3568  
     -56.7364  -53.7382  -50.4086  -46.7922  -42.9439  -38.9183  -34.7629  
     -30.5180  -26.2186  -21.8912  -17.5532

我希望在R中得到相同的结果。我尝试了

base:：smooth.spline（）

，但平滑参数

spar

的指定方式与matlab的

p

不同（可以吗？）。我能得到的最接近的结果是

Pspline

包的

smooth.Pspline（）

函数。下面是一些代码，可以让事情在R中顺利进行：

age <- 75:99
diffs <- c(-39L, -2L, -167L, -21L, -13L, 32L, -37L, -132L, -143L, -91L, 
-93L, -88L, -62L, -112L, -95L, -28L, -90L, -40L, -27L, -23L, 
-28L, -11L, -8L, -6L, 1L)
predict(pspline::smooth.Pspline(
                           x = age,
                           y = diffs, 
                           norder = 2, 
                           method = 1,
                           spar = 1 / 0.0005     # p given in MP and matlab as 0.0005
                         ),age)
# which gives something close, but not exactly the same:
 [1] -63.46487 -64.05103 -64.61978 -65.14158 -65.61214 -66.01662 -66.31079
 [8] -66.41092 -66.22081 -65.67009 -64.72153 -63.35514 -61.56447 -59.35372
[15] -56.73367 -53.73584 -50.40680 -46.79098 -42.94333 -38.91850 -34.76393
[22] -30.51985 -26.22131 -21.89474 -17.55757

---

age以下是我在p。大卫·希贝勒的第16页。[但是，我不使用Matlab]

将自然三次样条曲线（S′（x）=0在两个端点）拟合到坐标在向量x和y中的点（xi，yi）；在x坐标在矢量xx中的点处求值，存储
yy中对应的y

Matlab:

pp=csape(x,y,’variational’);
yy=ppval(pp,xx) but note that
csape is in Matlab’s Spline
Toolbox

R

tmp=spline(x,y,method=’natural’,
xout=xx); yy=tmp$y

我的同事找到了答案：将matlab的
p
转换为
pspline:：smooth.pspline（）
的
spar
不是作为
1/p
，而是作为
（1-p）/p
，然后无论数值精度如何，结果都会一致：

c(predict(pspline::smooth.Pspline(
                          x = age,
                          y = diffs, 
                          norder = 2, 
                          method = 1,
                          spar = (1-0.0005) / 0.0005     # p given in MP and matlab as 
                         ),age))
 [1] -63.46035 -64.04741 -64.61705 -65.13972 -65.61114 -66.01646 -66.31144
 [8] -66.41232 -66.22285 -65.67263 -64.72443 -63.35823 -61.56761 -59.35675
[15] -56.73643 -53.73821 -50.40864 -46.79221 -42.94387 -38.91828 -34.76291
[22] -30.51801 -26.21863 -21.89122 -17.55320

谢谢你的尝试，但不要掷骰子。希望重现
csaps（）
。我根据我的问题修改了你的（Hiebeler的）R代码，但它没有起到作用。你已经有了一个方法，该方法在小数点后5位（在比率上）是一致的。我看不到试图获得与未定义的“某物”近似值的精确一致的价值。@DWin这是一些遗留代码的大型matlab->R转换项目中的一个小链轮。下游的很多东西都依赖于此，并且该函数在原始代码中使用了不止一次。这对我们很重要，因为下游的估计需要精确，就像在exactExact中一样？你刚才画了两条样条线穿过这组散乱的点。你怎么能断言它们中的任何一个是“精确的”？@DWin是的，这就像指画，我明白了。我并不认为这两者都准确地代表了数据。我需要的是准确地再现结果，而不是准确地找到真相。任务不是突发奇想。这个问题是正确的。如果它没有在R中实现，那么我就将就一下，但如果可能的话，我仍然会寻找答案。您应该检查R的结果对“spar”的变化有多敏感。