爲什麼使用cumsum（）時這個預測函數需要一個零？

Question

我正在參加一個udemy課程，並且在一課中有一個函數需要使用1和0的向量x，並基於之前的k值序列預測下一個值。我試圖總結我的周圍腦爲什麼我需要在下面的函數在0線csx <- c(0,cumsum(x)).

predc <- function(x,k) { 
    n <- length(x) 
    k2 <- k/2 
    # the vector pred will contain our predicted values 
    pred <- vector(length=n-k) 
    csx <- c(0,cumsum(x)) 
    for (i in 1:(n-k)) { 
    if (csx[i+k] - csx[i] >= k2) 
     pred[i] <- 1 
    else 
     pred[i] <- 0 
    } 
    return(mean(abs(pred-x[(k+1):n]))) 
} 

Answer 1

的0是有正確處理的情況下i=1。利用前面的0，累積和csx的矢量的第一個元素因此也將是0，即csx[1]=0。這意味着，對於i=1我們將評估聲明

if (csx[1+k] >= k2) pred[1] <- 1 else pred[1] <- 0 

這i=1通常被認爲是放置外（前）在預測功能for循環比如這個，如果我們不能利用一個cumsum()的。即，不具有cumsum，我們會評估循環之前i=1表達與窗體像

mysum <- sum(x[1:k] 
if (mysum >= k2) pred[1] <- 1 else pred[1] <- 0 

和功能範圍從i=2到n-k此後反覆更新所述mysum。最後請注意，sum(x[1:k]相當於c(0,cumsum(x))中的元素k+1。

Answer 2

它正確地處理第一個元素的延遲。你可以試試下面的代碼段看到生動的區別：

predc <- function(x,k) { 
    n <- length(x) 
    k2 <- k/2 
    # the vector red will contain our predicted values 
    pred <- vector(length=n-k) 
    csx <- c(0,cumsum(x)) 
    for (i in 1:(n-k)) { 
    if (csx[i+k] - csx[i] >= k2) pred[i] <- 1 else pred[i] <- 0 
    } 
    return(mean(abs(pred-x[(k+1):n]))) 
} 

x <- sample(c(0,1), 1000, replace = TRUE) 
pred(x, 1) 
[1] 0.4974975 

修改功能，無需預先考慮0：

predc <- function(x,k) { 
    n <- length(x) 
    k2 <- k/2 
    # the vector red will contain our predicted values 
    pred <- vector(length=n-k) 
    csx <- cumsum(x) 
    for (i in 1:(n-k)) { 
    if (csx[i+k] - csx[i] >= k2) pred[i] <- 1 else pred[i] <- 0 
    } 
    return(mean(abs(pred-x[(k+1):n]))) 
} 

pred(x, 1) 
[1] 0 

注：同樣的收斂問題發生的預計值（X，2）不說首先預先延遲期限。