꽤 간접적 인 방식으로 데이터를 맞추어야합니다. 피트에서 복구해야 할 원래 데이터는 작은 진동과 드리프트가있는 선형 함수이며이를 식별하고 싶습니다. 이것을 f (t)라고 부르 자. 실험에서이 매개 변수를 직접 기록 할 수는 없지만 간접적으로 g (f) = sin (a f (t))라고 가정 해 보겠습니다.Scipy/Python 간접 스플라인 보간
f (t)가 sin 함수의 전환점을 향하여 방향을 변경하면 식별하기가 어려우며 대안을 시도했습니다. (실제 전달 함수는 더 복잡하지만 여기에서 역할을해서는 안됩니다.) 접근법은 g의 역함수와 일부 추측을 계속하는 것보다 f (t)를 복구하는 접근법을 사용합니다.
동일한 전송 함수 g()와 g (fm (t))를 닮은 모델 함수 fm t))를 데이터에 적용합니다. 데이터 세트가 거대하기 때문에 전체 세트에서 fm의 연속성을 보장하는 데이터의 연속적인 덩어리를 조각별로 처리합니다.
첫 번째 시도는 optimize.leastsq를 사용하여 선형 함수를 사용하는 것이 었습니다. 여기서 오류 추정은 g (fm)에서 파생되었습니다. 그것은 완전히 만족스럽지 않고 fspline (t)을 f (t)의 모델로 사용하여 데이터와 파생 상품의 연속성을 보장하는 데이터에 스플라인을 맞추는 것이 훨씬 더 좋을 것이라고 생각합니다.
보간 패키지의 스플라인 피팅이 데이터에서 직접 작동하므로 g (fspline)을 사용하여 스플라인을 감싸고 스플라인 보간을 수행 할 수 없습니다. 이것이 scipy에서 할 수있는 방법이 있습니까?
다른 아이디어?
나는 차 기능과 데이터의 선행하는 장착 청크의 것과 일치하는 등의 오프셋 및 경사를 수정, 그래서 하나의 피팅 매개 변수가 매우 빠르게 시작 곡률이 이탈하는 시도감사
만약 계수, coefs을 스플라인 기저 함수의 선형 조합으로서f(t) = np.dot(b(t), coefs)
을 F (t)를 근사하고 추정 할 수 있도록