n-dim python插值非线性

Question

我得到了5个变量Fx（s，m，p，h，l）的函数

import numpy as np
s= np.arange(0,135,15)/10
m= np.array([150,180,195,210,240,255,270,285,300])
p=np.array([-1.5,-1,-0.5,0,0.5,1,1.5])
h=np.array([0,3,6,9,12])
l=np.array([0,0.5,1,1.5,2,2.5,3,4])

以及csv文件中该函数的180个值。 我想通过所有点的插值来计算缺失值，并使用径向基函数thin_plate将极大。 可能吗？ 对于信息，我在这里找到了在矩形网格 InterpolatingFunction 上的Python 4D线性插值，但是如果我将数据数组中的某些值替换为None，则在这一点上f（point）给出'nan'。 我不想使用线性插值，因为对于一组4个变量，我得到了2个带值的点。 非常感谢您对LL的帮助

Answer 1

尝试从scikit-learn进行SVR解决您的问题：

from sklearn.svm import SVR # it uses RBF as default kernel
import numpy as np

n_samples, n_features = 180, 5

y = np.random.randn(n_samples)  #function values
X = np.random.randn(n_samples, n_features)   #points
clf = SVR(C=1.0, epsilon=0.2)
clf.fit(X, y)

#Get value at a new point:

clf.predict([0,150,-1.5,0,0]) 

由于len（s）* len（m）* len（p）* len（h）* len（l）为22680，并且函数值仅在180点中已知，因此关于函数的信息不佳....