spline

    1热度

    1回答

    创建圆我需要如在Matlab示于下面的图像关于沿整个花键或者圆形或六边形的形状要素创建的少量信息。你能告诉我如何在我的代码中实现这一点。 Image 请找到下面的代码相对于花键创建 x = -4:4; y = [0 .15 1.12 2.36 2.36 1.46 .49 .06 0]; cs = spline(x,[0 y 0]); xx = linspace(-4,4,101); plo

    1热度

    1回答

    您好我试图找到一个非参数回归更平滑对控制和治疗组之间的差异,以确定随着时间的推移食欲抑制剂的有效性。那么我需要使用我的模型来估计治疗组和对照组之间的差异:t = 0和t = 50。 我想用P-样条平滑,但我没有关于它的 足够的背景这是我的数据: 牛逼 0 1 3 7 8 10 14 15 17 21 22 24 28 29 31 35 36 38 42 43 45 49 50 52 56 57 5

    0热度

    1回答

    我正在执行一个合理的b样条运动的程序,并且正在寻找一些关于为添加结添加博姆算法的参考文献。实质上,这用于将总体曲线分成多个段,以避免必须乘以B样条函数(点之间的运动)。我在这方面遇到了一些困难,并感谢任何信息!

    3热度

    2回答

    我生成一个三次样条曲线,通过一组给定的数据点的获得三次样条公式: import matplotlib.pyplot as plt import numpy as np import scipy x = np.array([1, 2, 4, 5]) # sort data points by increasing x value y = np.array([2, 1, 4, 3]) ar

    0热度

    1回答

    我正在做一些车道检测作为一个有趣的项目,我试图创建一个三次样条来表示车道。但是,当我使用scipy CubicSpline函数时,我得到了一些荒谬的大值。 这里是我的代码: from scipy import interpolate from scipy.interpolate import CubicSpline from scipy.interpolate import Interpola

    1热度

    1回答

    我使用c3.js绘制出一些时间序列数据和图表它去各地做某种原因回路的地方时,有没有需要循环。 这里是小区的所有5个的,我策划 左看右看的只是其中之一,我们可以看到,它落后的循环,即使没有点向后的看法。 我知道那是因为拟合算法的,但我不知道如何解决它。除了设置数据和样条曲线以外,我没有为c3使用任何其他配置。 重现该问题,并看到自己,你可以尝试this page,并替换为以下代码片段: var ch

    0热度

    1回答

    我试图理解python库中的三次样条生成。据我可以从 import numpy as np from patsy import dmatrix x = np.linspace(0., 1., 100) y1 = dmatrix("bs(x, df=6, degree=3, include_intercept=True)", {"x": x}) print(y1) y2 = dmatri

    16热度

    1回答

    我试图制作一个颠簸图表(如parallel coordinates但带有连续的x轴)以显示随着时间的推移排名。我可以做一个直线图很容易: library(ggplot2) set.seed(47) df <- as.data.frame(as.table(replicate(8, sample(4))), responseName = 'rank') df$Var2 <- as.integ

    0热度

    1回答

    我想在python中拟合三次样条来对噪声x,y数据进行噪声提取并提取每个区间的样条系数(即我期望获得每个区间的四个样条系数) 到目前为止,我已经试过(全部来自scipy.interpolate): 1)CubicSpline,但这种方法并不能让我顺利的花键,导致不现实的,跳动的系数数据。 2)合并spl and和脾,例如, tck = splrep(x, y, k=3, s=1e25) 其中I

    1热度

    1回答

    也许我不是唯一一个在mgcv::gam中提出有关估计方程的下列问题的人。 好,事情是我上网习惯白白得到一个明确的答案,我应该怎么做如下输出成一个完整的公式,我可以随后采取的任何其他分析软件,特别是GIS软件,为了映射/项目等式到某一地理空间使用预测X1 & X2: family = gaussian(link = "identity") smooth class = p-spline 以下