2つの変数の平滑化関数を保存する2 つの変数 Y(X1、X2) の平滑化された関数を視覚化するだけでなく、平滑化パラメータ lambda を調整してグラフ ビルダーの等高線図で実行できるだけでなく、平滑化された Y 値 Y平滑化(X1、X2) のテーブルを保存する必要があります。どのようにすればよいでしょうか。
基本的なデータ分析とモデリングRe: 2 つの変数の平滑化関数の保存ニューラル プロセス プラットフォームまたはガウス プロセス プラットフォームのいずれかを試してください。これらのプラットフォームでは、平滑化されたモデルをデータに適合させることができ、そのモデルに使用できる予測式を使用して、平滑化された Y 値のテーブルを作成できます。また、プロファイラー (プロファイラー、コンター プロファイラー) およびサーフェス プロットでその予測式を使用して、データへの平滑な適合を視覚化することもできます。
Re: 2 つの変数の平滑化関数の保存パラメトリック フィットを検討しましたが、滑らかな表面に必要な多くの極値と鞍点を捉えるには、モデルを非常に複雑にする必要があります。柔軟なラムダを備えたスムーザーの 2D 版を探していました。JMP では運が悪く、Python プログラミングに頼らなければならないのでしょうか?
Re: 2 つの変数の平滑化関数の保存
Re: 2 つの変数の平滑化関数の保存ありがとうございます。ガウス過程は、保存できる 2D スムーザー Y(X1, X2) として機能しますが、スムージング タスクで 1 つ複雑な点があります。X1 と X2 のスムージングの度合い (ラムダ、ガウス幅、またはその他のスムージング パラメーター) は大きく異なる必要があります。X1 に沿ってフィルター処理する必要のあるノイズがたくさんあることはわかっていますが、X2 に沿った複雑な変更プロファイルは、スムージングでキャプチャしたい実際の信号です。つまり、異方性スムージングが必要です。[ナゲットの推定] オプションを試しましたが、これも等方性であるようです (X1 と X2 に沿ったスムージングの度合いに違いはありません)。
