Fit-Spline-Methodik/-Berechnung?Hallo alle,
Derzeit analysiere ich die Daten manuell und erzeuge Splines (alles manuell gemacht).Ich versuche, einen Python-Code zu schreiben, der schließlich auf dem Firmenserver ausgeführt werden kann.
Die CubicSpline-Funktion von Python stimmt nicht mit dem Spline überein, den ich normalerweise in jmp erzeuge (Analysieren --> Y vs. X anpassen --> Flexibel --> Spline anpassen --> Andere --> Glättung angeben = 0,1 prüfen Standardisieren x (rot)
Wenn ich in Python generiere (Cubicsplines von Scipy), komme ich der im Diagramm gezeigten roten Kurve näher.
Ich konnte den Lambda- (oder gleichwertigen) Parameter in der kubischen Spline-Funktion von Python nicht finden und auch nicht, um die Daten zu standardisieren. Ich habe versucht zu standardisieren
(x_i-Mean(x))/Std dev (x)) die Daten von mir, aber die Kurven wurden immer seltsamer.
Kann jemand helfen, auf die genaue Methodik/Berechnung hinzuweisen, die verwendet wird, um diese Splines zu generieren, wenn wir die Daten standardisieren? Ich habe einige Posts gesehen, in denen es sich um kubische Splines handelt, aber ich habe keine Erklärung dafür, wie Daten behandelt und Splines generiert werden, wenn wir die standardisierte Option verwenden.
Ein wenig weit hergeholt und nicht sicher, ob dies das richtige Forum ist, kennt jemand eine andere alternative Python-Funktion, die übereinstimmende Splines erzeugen kann?
Danke schön!
Betreff: Fit-Spline-Methodik/Berechnung?Es gibt viele Arten von Splines, und jede Art hat normalerweise mehr als eine Methode oder Implementierung. Ich schlage vor, dass Sie die umfangreiche Literatur über Spline-Modelle durchsuchen, wenn Sie Ihren eigenen Code schreiben möchten. Zum Beispiel diese Kapitel aus einem hochrangigen Informatikkurs an der Clemson University bietet einen Überblick über Splines, die in der Computergrafik verwendet werden. Sie können auch den Open-Source-Code untersuchen, wie er in Python oder R für Spline-Modelle verfügbar ist, von denen Sie lernen möchten, wie man solchen Code schreibt.
Bitte beachten Sie diese Referenzen, wenn Sie Ihre eigene Version der kubischen Spline-Interpolationsfunktionen in der bivariaten Plattform implementieren möchten:
- Reinsch, CH (1967). „Glättung durch Spline-Funktionen.“ Numerische Mathematik 10:177–183.
- Eubank, RL (1999). Nichtparametrische Regression und Spline-Glättung . 2. Aufl. Boca Raton, Florida: CRC.
Betreff: Fit-Spline-Methodik/Berechnung?Ich hatte gehofft, ich könnte einen Code schreiben, um ihn mit eigenem Code zu plotten, anstatt die Python-Bibliotheksfunktion zu verwenden. Gibt es irgendwo weitere Unterlagen?
Danke schön!
Betreff: Fit-Spline-Methodik/Berechnung?Ich sehe nicht, wie das Verständnis von JMP-Glättungen Ihnen bei Ihrem Problem mit der Python-Bibliotheksfunktion helfen wird.
Die Scipy.org Online-Dokumentation gibt an, dass die optional bc_typ Streit im scipy.interpolate. CubicSpline ( X , j , Achse=0 , bc_type='not-a-knot' , extrapolieren=Keine ) Forderung wird verwendet, um die Konstruktion des Spline-Modells zu steuern. Es gibt kein Argument, das dem JMP-Lambda-Argument entspricht, mit dem Sie die Anpassung steuern können.
