问题背景:我有一个时间与大气温度的数据集。这几乎是500个数据点,分布在500天的时间内。该数据包括显著噪声
其目的是拟合一组b样条函数,用二次规划实现对数据进行正则化
方法:
在第一个日期和第500个日期之间选择一组20个等距的结
在节点上定义阶数为3的Bspline函数
Bspline函数在每个日期进行计算。这将产生一个表示每个日期的Bspline函数
定义了温度和日期样条函数之间的关系。为了得到一个正则化的数据集,实现了一个最小化的二次规划
问题:我发现正则化的结果在很大程度上取决于我对节点的选择。大量的结导致大量的噪声,而较少的结导致大量的平滑 你能提供一些专门针对Python的节点选择算法的帮助吗
目前没有回答
相关问题 更多 >
编程相关推荐