Интерполяция SciPy
Что такое интерполяция?
В области численного анализа в математике интерполяция — это процесс или метод получения новых точек данных в пределах диапазона из известных дискретных точек данных.
Проще говоря, интерполяция — это метод генерации точек между заданными точками.
Например:Для двух точек 1 и 2 мы можем интерполировать и найти точки 1.33 и 1.66.
Интерполяция имеет множество применений. В машинном обучении мы часто имеем дело с данными с пропущенными значениями, и интерполяция обычно может использоваться для замены этих значений.
Такой метод заполнения значений называется импутацией.
Помимо импутации, интерполяция часто используется там, где нужно сгладить дискретные точки в наборе данных.
Как реализовать интерполяцию в SciPy?
SciPy предоставляет модуль scipy.interpolate для работы с интерполяцией.
Одномерная интерполяция
Для интерполяции одномерных данных можно использовать методinterp1d()для её выполнения.Этот метод принимает два параметра: точки x и точки y.
Возвращаемое значение — вызываемая функция, которую можно вызвать с новым x и которая возвращает соответствующее y,y = f(x)。
Интерполируйте заданные xs и ys, от 2.1, 2.2... до 2.9:
Пример
import numpy as np
xs = np.arange(10)
ys = 2*xs + 1
interp_func = interp1d(xs, ys)
newarr = interp_func(np.arange(2.1, 3, 0.1))
print(newarr)
Результат вывода:
[5.2 5.4 5.6 5.8 6. 6.2 6.4 6.6 6.8]
Примечание:Новые xs должны быть в том же диапазоне, что и старые xs, то есть мы не можем вызывать interp_func() со значениями больше 10 или меньше 0.
Одномерная интерполяция
При одномерной интерполяции точки подгоняются под одну кривую, тогда как при сплайновой интерполяции точки подгоняются под функции, заданные кусочно с помощью полиномов.
Одномерная интерполяция использует функцию UnivariateSpline(), которая принимает xs и ys и создаёт вызываемую функцию, которую можно вызывать с новыми xs.
Кусочная функция — это функция, которая имеет разные аналитические выражения для разных диапазонов значений независимой переменной x.
Найдите одномерную сплайн-интерполяцию для нелинейных точек 2.1, 2.2...2.9:
Пример
import numpy as np
xs = np.arange(10)
ys = xs**2 + np.sin(xs) + 1
interp_func = UnivariateSpline(xs, ys)
newarr = interp_func(np.arange(2.1, 3, 0.1))
print(newarr)
Результат вывода:
[5.62826474 6.03987348 6.47131994 6.92265019 7.3939103 7.88514634 8.39640439 8.92773053 9.47917082]
Интерполяция радиальными базисными функциями
Радиальная базисная функция — это функция, определённая относительно фиксированных опорных точек.
При интерполяции поверхностей мы обычно используем интерполяцию радиальными базисными функциями.
Функция Rbf() принимает xs и ys в качестве параметров и создаёт вызываемую функцию, которую можно вызывать с новыми xs.
Пример
import numpy as np
xs = np.arange(10)
ys = xs**2 + np.sin(xs) + 1
interp_func = Rbf(xs, ys)
newarr = interp_func(np.arange(2.1, 3, 0.1))
print(newarr)
Результат вывода:
[6.25748981 6.62190817 7.00310702 7.40121814 7.8161443 8.24773402 8.69590519 9.16070828 9.64233874]Другие расширения