smooth.spline出现spar-finding提示的含义、成因及抑制方法

问题重现 #

数据集：

dat <- structure(list(date = structure(c(18830, 18835, 18837, 18841, 
18843, 18844, 18848, 18850, 18852, 18856, 18858, 18863, 18865, 
18870, 18873, 18879, 18884, 18887, 18890, 18892, 18894, 18898, 
18899, 18901, 18904, 18905, 18906, 18908, 18915, 18920, 18922, 
18927, 18929, 18935, 18940, 18946, 18949, 18954, 18956, 18960, 
18963, 18975, 18978, 18982, 18985, 18989, 18990), class = "Date"), 
    value = c(254183, 254552, 254702, 254792, 254840, 254860, 
    254953, 254994, 255043, 255134, 255198, 255310, 255354, 255473, 
    255543, 255677, 255900, 256162, 256338, 256451, 256570, 256812, 
    256866, 256991, 257164, 257226, 257280, 257398, 257812, 258114, 
    258232, 258528, 258680, 259110, 259401, 259754, 259930, 260219, 
    260328, 260575, 260748, 261454, 261630, 261863, 262036, 262266, 
    262330)), row.names = c(22L, 27L, 29L, 33L, 35L, 36L, 40L, 
42L, 44L, 48L, 50L, 55L, 57L, 62L, 65L, 71L, 76L, 79L, 82L, 84L, 
86L, 90L, 91L, 93L, 96L, 97L, 98L, 100L, 107L, 112L, 114L, 119L, 
121L, 127L, 132L, 138L, 141L, 146L, 148L, 152L, 155L, 167L, 170L, 
174L, 177L, 181L, 182L), class = "data.frame")

执行代码：

smooth.spline(dat$date, dat$value, cv = TRUE)

出现红色提示：

spar-finding: non-finite value inf; using BIG value

提示信息的含义 #

这是smooth.spline在自动寻找平滑参数spar过程中产生的提示而非错误：

• 程序内部计算时出现了无穷大（inf）的非有限值
• 遇到该情况，程序会自动切换使用预设的极大值（BIG value）继续运算，最终仍能输出有效结果

成因分析 #

该提示主要和输入数据的尺度差异有关：

• date列作为Date类型，底层存储为距离1970-01-01的天数，数值量级在18000以上；value列数值量级在25万左右
• 开启交叉验证（cv=TRUE）时，程序会频繁尝试不同的spar值，尺度差异加上内部寻优的计算逻辑，容易触发数值溢出，产生无穷大值

抑制提示的方法 #

方法1：标准化输入数据 #

消除date和value的尺度差异，避免数值溢出：

# 将date转为数值后标准化，value直接标准化
dat$date_scaled <- scale(as.numeric(dat$date))
dat$value_scaled <- scale(dat$value)
# 执行平滑样条
smooth.spline(dat$date_scaled, dat$value_scaled, cv = TRUE)

若需要还原结果，可通过标准化的逆变换处理预测值。

方法2：抑制消息输出 #

用suppressMessages()或capture.output()直接屏蔽提示：

# 直接抑制所有消息类输出
suppressMessages(smooth.spline(dat$date, dat$value, cv = TRUE))

# 捕获指定类型的输出，仅屏蔽目标提示
capture.output(
  fit <- smooth.spline(dat$date, dat$value, cv = TRUE),
  type = "message"
)

注意：suppressMessages()会屏蔽所有消息，若需保留其他重要提示，优先选择标准化或capture.output方法。

方法3：手动指定spar参数 #

若已知合适的平滑参数，直接指定spar值跳过自动寻优：

# 示例指定spar=0.5，可根据实际需求调整
smooth.spline(dat$date, dat$value, spar = 0.5, cv = TRUE)

内容的提问来源于stack exchange，提问作者wernor