自动和数学地计算曲线的“弯头”

Question

曲线的一个示例如下所示。 肘部点可能是x = 3或4.如何自动和数学地计算曲线的肘部？

Answer 1

您可能希望查找具有最大绝对二阶导数的点，对于一组离散点x[i] ，您可以使用中心差异来近似：

secondDerivative[i] = x[i+1] + x[i-1] - 2 * x[i]

如上所述，你真正想要的是具有最大曲率的点，但是二阶导数会这样做，并且这个中心差异是二阶导数的良好代理。

Answer 2

我创建了一个试图实现Kneedle算法的Python 包 。

要重新创建上面的函数并检测最大曲率点：

x = range(1,21)
y = [0.065, 0.039, 0.030, 0.024, 0.023, 0.022, 0.019, 0.0185, 0.0187,
     0.016, 0.015, 0.016, 0.0135, 0.0130, 0.0125, 0.0120, 0.0117, 0.0115, 0.0112, 0.013]

kn = KneeLocator(
    x,
    y,
    curve='convex',
    direction='decreasing',
    interp_method='interp1d',
)

print(kn.knee)
7

import matplotlib.pyplot as plt
plt.xlabel('x')
plt.ylabel('f(x)')
plt.xticks(range(1,21))
plt.plot(x, y, 'bx-')
plt.vlines(kn.knee, plt.ylim()[0], plt.ylim()[1], linestyles='dashed')

更新
Kneed有一个改进的样条拟合方法来处理局部最小值，使用interp_method='polynomial' 。

kn = KneeLocator(
    x,
    y,
    curve='convex',
    direction='decreasing',
    interp_method='polynomial',
)

print(kn.knee)
4

而新的情节：

plt.xlabel('x')
plt.ylabel('f(x)')
plt.xticks(range(1,21))
plt.plot(x, y, 'bx-')
plt.vlines(kn.knee, plt.ylim()[0], plt.ylim()[1], linestyles='dashed')

Answer 3

像这样的函数通常被称为L形曲线的形状。 它们出现在通过正规化解决不适定问题时。

'肘'点是曲线上具有最大绝对二阶导数的点。

Answer 4

你真正想要的是具有最大曲率的点。 当斜率远小于1时，这可以用二阶导数近似（如@ebo指出的那样），但情况并非总是如此。