scipy (Python)를 사용하여 중복 x가있는 데이터에 스플라인 맞춤

Question

'scipy'패키지의 'interp1d'함수를 사용하여 5700 데이터 샘플 (중복 된 x 값 즉 x : 가로 축)을 갖는 데이터에 스플라인을 맞추려고합니다. 파이썬에서. 저차 스플라인 (k = 1)과 2 차 스플라인 (k = 2), 3 차 스플라인 (k = 3)으로 시도했습니다. 그리고 내 데이터에서 '스플라인'의 이상한 반응을 목격 한 것에 충격을 받았습니다. 'k = 1'의 스플라인이 약간의 의미는 있지만 너무 우스꽝 스럽습니다 (2 차 및 3 차 스플라인이 너무 나 빠졌습니다). 첫 번째 재판에서 데이터와 결과에 맞게 다항식 피팅을 사용하는 것이 좋습니다. 스플라인 피팅이 다항식 피팅으로 얻은 결과보다 더 나은 결과를 줄 것으로 기대했습니다. This is the result with splines. 제게 제안 해주세요, 제가 틀린 부분이 있습니까?

Answer 1

데이터 세트에 각 X 값에 대해 고유 한 값이있는 점이있는 경우 각 데이터 요소에 대한 유효 가중치는 1.0입니다. 그러나 해당 데이터 세트의 단일 데이터 포인트가 두 배가되거나 복사되는 경우 해당 데이터 포인트의 유효 가중치는 2.0입니다.

데이터 세트의 모든 데이터 포인트가 한 번 복사되면 각 포인트의 유효 가중치는 2.0으로 동일합니다. 즉, 모든 데이터 포인트의 가중치는 동일합니다.

이 데이터 세트의 일부 데이터 포인트에 고유 한 X 값이 있고 일부 데이터 포인트가 두 번 이상 나타나는 경우 한 가지 방법은 각 포인트의 유효 가중치가 1.0이되도록 "복제"데이터 포인트의 Y 값을 평균하는 것입니다. 이것은 내가 기술 한 특정한 경우에 때때로 작동 할 수 있습니다.