splinefunへのderiv =引数の使用は賢明で、2番目と3番目の派生物が利用可能であると付け加えなければなりませんが、例を使って線形近似がギザギザしているより高い度合いでは不連続である。
分析式がある状況では、アルゴリズムの差別化のためのいくつかの制限があります。詳細については、ヘルプ(deriv)ページを参照してください。
> deriv(~sin(pi/x), "x")
expression({
.expr1 <- pi/x
.value <- sin(.expr1)
.grad <- array(0, c(length(.value), 1L), list(NULL, c("x")))
.grad[, "x"] <- -(cos(.expr1) * (pi/x^2))
attr(.value, "gradient") <- .grad
.value
})
そして、その結果で第2の関数を「手で」構築する。それとも、もう少しプロセスを自動化するために、ヘルプ(DERIV)ページで提供DDの例を使用することができます。
DD <- function(expr,name, order = 1) {
if(order < 1) stop("'order' must be >= 1")
if(order == 1) D(expr,name)
else DD(D(expr, name), name, order - 1)
}
DD(expression(sin(pi/x)), "x", 2)
-(sin(pi/x) * (pi/x^2) * (pi/x^2) - cos(pi/x) * (pi * (2 * x)/(x^2)^2))
DD(expression(sin(pi/x)), "x")
-(cos(pi/x) * (pi/x^2))
funD<- function(x){}
body(funD) <- DD(expression(sin(pi/x)), "x")
funD
#function (x)
#-(cos(pi/x) * (pi/x^2))
funD(2)
# [1] -4.809177e-17 as it should be at a maximum
funDD <- function(x){}
body(funDD) <- DD(expression(sin(pi/x)), "x", 2)
funDD(2)
# [1] -0.6168503 as it should be at a maximum.
それは「==」演算子はありませんが、「=」。 –
@DWin:修正しました。ありがとうございます。 –