View
5
Download
0
Category
Preview:
Citation preview
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Vollständig funktionales Modell
Ekaterina Lorenz
5. Januar 2015
1 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Inhalt
1 Beispiel
2 Vollständig funktionales Modell
3 Lösungsmöglichkeiten
4 Zusammenfassung
5 Aufgabe
6 Literatur
2 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Beispiel
1 Beispiel
2 Vollständig funktionales Modell
3 Lösungsmöglichkeiten
4 Zusammenfassung
5 Aufgabe
6 Literatur
3 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Beispiel
Tagestemperatur und Sticksto�dioxidkonzentration in der Luft
Messort: Dortmund Steinstraÿe
Quelle: Umweltbundesamt(http://www.umweltbundesamt.de/daten/luftbelastung/aktuelle-luftdaten)
Messanzahl: stündliche Werte (18.9.2014-5.12.2014)
Messfehler: 89 fehlende Werte (mit Mittelwert ersetzt)
Datensätze: N = 79 Tage mit jeweils T = 24 Stundenwerten
4 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Beispiel
Stündliche Temperaturmessungen an 79 Tagen,
Regressionsglättung mit B-Splines-Basisfunktionen
5 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Beispiel
Sticksto�verlaufskurven an 79 Tagen,
Regressionsglättung mit B-Splines-Basisfunktionen
6 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Beispiel
Ziel
Vorhersage der Sticksto�verlaufskurve eines Tages in Abhängigkeitvom Temperaturverlauf an einem anderen Zeitpunk .Im Vortrag: in Abhängigkeit vom Temperaturverlauf vom vorherigenTag.
7 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Vollständig funktionales Modell
1 Beispiel
2 Vollständig funktionales Modell
Rechenvereinfachungen
3 Lösungsmöglichkeiten
4 Zusammenfassung
5 Aufgabe
6 Literatur
8 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Vollständig funktionales Modell
De�nition
y(t) =
∫z(s)β(s, t) ds + ε(t)
y (t) ∈ LN2
z (s) ∈ LN2
β(s, t) =K1∑k=1
K2∑l=1
bklθk(s)ηl(t) = θT (s)Bη(t),
wobeiθ1 (s) , . . . , θK1
(s)η1 (t) , . . . , ηK2
(t)B ist K1 × K2 - Matrix
ε(t) ∼ N (0, IN) stoch. unabhängig
9 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Rechenvereinfachungen
De�niere:
Z∗ =
∫z1 (s) θ1 (s) ds · · ·
∫z1 (s) θK1
(s) ds∫z2 (s) θ1 (s) ds · · ·
∫z2 (s) θK1
(s) ds...
. . ....∫
zN (s) θ1 (s) ds · · ·∫zN (s) θK1
(s) ds
β∗ (t) = Bη (t)
Funktionales lineares Modell mit multivariaten Regressoren
y (t) = Z ∗β∗ (t) + ε (t)
Kriterium
β̂∗ = argmin
∫[y (t)− Z ∗β∗ (t)]2 dt
10 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Lösungsmöglichkeiten
1 Beispiel
2 Vollständig funktionales Modell
3 Lösungsmöglichkeiten
Glättung durch Beschränkung der Basisentwicklung
Regularisierung durch Strafterme
4 Zusammenfassung
5 Aufgabe
6 Literatur
11 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Lösungsmöglichkeiten
Glättung durch Beschränkung der BasisentwicklungBeschränkung der Basisentwicklung von η
Vermeidung von Over�tting
Beschränkung der Basisentwicklung von θSicherstellung der Glattheit der Vorhersage
Beschränkung der Basisentwicklungen von η und θ
Regularisierung durch Strafterme
in Bezug auf sin Bezug auf t
12 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Glättung durch Beschränkung der Basisentwicklung
Normalgleichung
Z ∗TZ ∗BJηη = Z ∗Z ∗TCJφη
mit
Jηη =∫η(t)ηT (t) dt
y = Cφ
Jφη =∫φ(t)ηT (t) dt
Lösung
vec (B) =[Jηη ⊗
(Z ∗TZ ∗
)]−1(Jφη ⊗ Z ∗T
)vec (C )
13 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Glättung durch Beschränkung der Basisentwicklung
Bestimmung von K1 = K2 durch eine
Leave-one-out-Kreuzvalidierung
14 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Glättung durch Beschränkung der Basisentwicklung
Basisentwicklung von η und θ:Schätzung der β (s, t) mit K1 = K2 = 6
15 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Glättung durch Beschränkung der Basisentwicklung
Basisentwicklung von η und θ:Schätzung der β (s, t) mit K1 = K2 = 6
16 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Glättung durch Beschränkung der Basisentwicklung
Vorhersage mit K1 = K2 = 6
17 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Glättung durch Beschränkung der Basisentwicklung
Bestimmtheitsmaÿ für die Vorhersage mit K1 = K2 = 6
18 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
Kriterium mit Straftermen
β̂∗ = argmin
∫[y (t)− Z ∗β∗ (t)]2 dt
+ λs
∫ ∫[Lsβ (s, t)]
2 ds dt︸ ︷︷ ︸PENs(β)
+λt
∫ ∫[Ltβ (s, t)]
2 ds dt︸ ︷︷ ︸PENt(β)
wobei Ls und Lt Di�erentialoperator, z.B. Ls = D2 und Lt = D2
19 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
PENs (β)
PENs (β) =∫ ∫
[Lsβ (s, t)]2 ds dt
=∫ ∫ [
LsθT (s)Bη (t)
] [Lsθ
T (s)Bη (t)]T
ds dt=∫ ∫ [
LsθT (s)
]Bη (t) ηT (t)BT [Lsθ (s)] ds dt
=∫tr[Bη (t) ηT (t)BTR
]dt
= tr[BTRBJηη
],
woJηη =
∫η(t)ηT (t) dt,
R =∫[Lsθ (s)]
[Lsθ
T (s)]ds
20 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
PENt (β)
PENt (β) =∫ ∫
[Lsβ (s, t)]2 ds dt
= tr[BT JθθSB
],
woJθθ =
∫θ(t)θT (t) dt,
S =∫[Ltη (t)]
[Ltη
T (t)]dt
21 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
Lösung des Minimierungsproblems:
Normalgleichung
Z ∗TZ ∗BJηη + λsRBJηη + λtJθθBS = Z ∗TCJφη
⇓
geschätzte Lösung
vec(B̂)=[
Jηη ⊗(Z ∗TZ ∗)+ λsJηη ⊗ R + λtS ⊗ Jθθ
]−1 (Jφη ⊗ Z ∗T ) vec (C )
22 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
Bestimmung von λs und λt durch eine
Leave-one-out-Kreuzvalidierung
23 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
β (s, t) mit λs = λt = 106,K1 = K2 = 24
24 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
β (s, t) mit λs = λt = 106,K1 = K2 = 24
25 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
Vorhersage mit λs = λt = 106,K1 = K2 = 24
26 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Glättung durch Beschränkung der BasisentwicklungRegularisierung durch Strafterme
Regularisierung durch Strafterme
Vorhersage mit λs = λt = 106,K1 = K2 = 24
27 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Zusammenfassung
1 Beispiel
2 Vollständig funktionales Modell
3 Lösungsmöglichkeiten
4 Zusammenfassung
5 Aufgabe
6 Literatur
28 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Zusammenfassung
Vorteile:
Allgemeines ModelÜbertragbarkeit auf funktionales lineares Modell mitmultivariaten Regressoren
Nachteile:
Probleme bei der Bestimmung λ sowie bei der Anzahl derBasisfunktionenInterpretation schwierigKeine explizite Implementierung in R
29 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Aufgabe
1 Beispiel
2 Vollständig funktionales Modell
3 Lösungsmöglichkeiten
4 Zusammenfassung
5 Aufgabe
6 Literatur
30 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Installieren und laden Sie das Paket fda. Betrachten Sie den DatensatzCanadianWeather aus diesem Paket.
Stellen Sie vollständig funktionales lineares Regressionsmodell auf,welches das Ziel hat, der Tagesniederschlag vorherzusagen. Dabeiwird die gesamte Temperaturverlauf verwendet. Benutzen Sie dafürdie Funktion linmod. Die Schätzung der Gewichtsfunktion β (s, t)soll durch der Regularisierung der Strafterme erfolgen. Nutzen Sie 7Fourier-Basisfunktionen sowohl für s als auch für t.
Bestimmen Sie auch mit Hilfe der Kreuzvalidierung den optimalenGlättungsparameter λ
Plotten Sie die Prognosen yi (t), sowie die geschätzteGewichtsfunktion β̂ (s, t)
Anmerkung : R-Code für das Beispiel aus dem Vortrag wird auf derInternetseite zur Verfügung gestellt.
31 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Literatur
1 Beispiel
2 Vollständig funktionales Modell
3 Lösungsmöglichkeiten
4 Zusammenfassung
5 Aufgabe
6 Literatur
32 (33)
BeispielVollständig funktionales Modell
LösungsmöglichkeitenZusammenfassung
AufgabeLiteratur
Literatur
Ramsay, J.O.; Silverman, B.W.: �Functional data analysis �.2. Au�age, Springer Verlag, New York, 2005.
Ramsay, J.O., Hooker, G. und Graves, S.: �Functional dataanalysis with R and Matlab �. Springer Verlag, New York, 2009.
Ramsay, J.O., Wickham H., Graves, S. und Hooker, G.: �fda:Functional Data Analysis �.R package version 2.4.3.http://CRAN.R-project.org/package=fda.
Vorträge der Studenten aus dem Seminar �FunktionaleDatenanalyse�.
33 (33)
Recommended