我使用 statsmodels 有一个适合我的数据的 LOWESS 模型,现在我想用它来推断我的测试数据。 statsmodels 包不提供推理接口(interface),但由于我有大约 14.000 个点描述了一个非常简单的关系,我确信线性插值会做得很好。
如何扩展下面的代码以使用现有的 (x,y) 对使用线性插值来推断新的观测值?
import numpy as np
import pylab as plt
import statsmodels.api as sm
x = np.linspace(0,2*np.pi,100)
y = np.sin(x) + np.random.random(100) * 0.2
lowess = sm.nonparametric.lowess(y, x, frac=0.1)
最佳答案
您可以对数据使用 numpy interp
,如下所示:
import numpy as np
new_x_values = [0,1,2]
np.interp(new_x_values, lowess[:,0], lowess[:,1])
关于python - Python 中的插值作为预测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31105931/