相关疑难解决方法(0)

我试图找到一个python软件包，该软件包将提供一个选项，以使自然平滑样条线与用户可选的平滑因子相匹配。有没有实现的方法？如果没有，您将如何使用可用的工具自己实施？

• 所谓自然样条曲线，是指应该满足以下条件：拟合函数在端点处的二阶导数为零（线性）。

• 通过平滑样条曲线，我的意思是样条曲线不应被“插值”（通过所有数据点）。我想自己决定正确的平滑系数lambda（请参见Wikipedia页面以平滑样条线）。

我发现了什么

• scipy.interpolate.CubicSpline [ 链接 ]：执行自然（三次）样条曲线拟合。进行插值，并且无法平滑数据。

• scipy.interpolate.UnivariateSpline [ 链接 ]：样条曲线是否与用户可选的平滑因子拟合。但是，无法选择使花键自然化。

我想在Python中使用smooth.splineR中的自然三次平滑样条线（就像许多其他人也想要的那样（Python自然平滑样条线，是否有相当于R中的smooth.spline函数的Python，Python SciPy UnivariateSpline vs R smooth.spline， ...））因此我使用的是https://morioh.com/p/eb4151821dc4rpy2中描述的方式，但我想直接设置而不是：lambdaspar

import rpy2.robjects as robjects
r_y = robjects.FloatVector(y_train)
r_x = robjects.FloatVector(x_train)

r_smooth_spline = robjects.r['smooth.spline'] #extract R function# run smoothing function
spline1 = r_smooth_spline(x=r_x, y=r_y, lambda=42)
#alternative: spline1 = r_smooth_spline(x=r_x, y=r_y, spar=0.7) would work fine, but I would like to control lambda dirctly
ySpline=np.array(robjects.r['predict'](spline1,robjects.FloatVector(x_smooth)).rx2('y'))
plt.plot(x_smooth,ySpline)

当我这样做时，这条线spline1 = r_smooth_spline(x=r_x, y=r_y, lambda=42)不起作用，因为Python已经有一个预定义的解释lambda（你可以从蓝色代码突出显示lambda）:(我想lambda被解释为平滑惩罚参数lambda。

如果我替换lambda为，spar …