n-dim python插值非線性

Question

我得到了5個變量Fx（s，m，p，h，l）的函數

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文件中該函數的180個值。 我想通過所有點的插值來計算缺失值，並使用徑向基函數thin_plate將極大。 可能嗎？ 對於信息，我在這里找到了在矩形網格 InterpolatingFunction 上的Python 4D線性插值，但是如果我將數據數組中的某些值替換為None，則在這一點上f（point）給出'nan'。 我不想使用線性插值，因為對於一組4個變量，我得到了2個帶值的點。 非常感謝您對LL的幫助

Answer 1

嘗試從scikit-learn進行SVR解決您的問題：

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]) 

由於len（s）* len（m）* len（p）* len（h）* len（l）為22680，並且函數值僅在180點中已知，因此關於函數的信息不佳....