使用R语言(cpm包)进行序列变点(change point)检测

序列变点检测在金融气象等领域的应用十分广泛。最近我在分析表观遗传数据的时候也用到了这项功能，当然是基于R语言进行分析的。

下面给出一个简单的使用示例。

1. 安装cpm包。

install.packages("cpm") #初次使用需安装，以后就不需要了
library(cpm)

2. 产生示例数据，并可视化查看数据。

df <- data.frame(x = 1:200, y = c(rnorm(50, 10), rnorm(50, 5), rnorm(50, 0), rnorm(50, 10)))
par(mfrow = c(2,1))
plot(df, type = "l", col = "steelblue", lwd = 2)

3. 很明显，我们这里有三个非常明显的change point。
   在这里说明下，如果你是要检测单个change point的话，应该使用detectChangePoint函数，但是在这个实例里，我们显然是想检测出多个，此时应该使用processStream函数。
   processStream函数的cpmType参数的值有很多，主要有以下几种，

Arguments	Condition
Student	Gaussian sequence
Bartlett	Gaussian sequence
GLR	Gaussian sequence
Exponential	Exponentially distributed sequence
GLRAdjusted; ExponentialAdjusted	Identical to the GLR and Exponential statistics
FET	Bernoulli sequence
Mann-Whitney	non-Gaussian distribution
Mood	non-Gaussian distribution
Lepage	non-Gaussian distribution
Kolmogorov-Smirnov	non-Gaussian distribution
Cramer-von-Mises	non-Gaussian distribution

shapiro.test(df$y) #检验数据是否服从高斯分布，发现不服从。所以选择一个非高斯分布的方法使用

#        Shapiro-Wilk normality test

# data:  df$y

# W = 0.89808, p-value = 1.899e-10

cpm.res = processStream(df$y, cpmType = "Kolmogorov-Smirnov")

# 可视化变点

plot(df, type = "l", col = "steelblue", lwd = 2)

abline(v = cpm.res$changePoints, lwd = 3.5, col = "red")

# 变点坐标信息提取

print(cpm.res$changePoints)

# [1]  50 100 150