Diciamo che ho una serie temporale gappy x
, con una particolare misurazione nel tempo. Ho anche una misura di incertezza sx
(dire la deviazione standard di x
in un intervallo particolare). Fondamentalmente voglio solo riempire le serie temporali, ma voglio propagare l'incertezza di misura e, si spera, l'incertezza dell'interpolazione. In passato, ho usato la regolarizzazione di Tikhonov per ottenere questo risultato (ad esempio aggiungendo un vincolo di uniformità), ma preferirei semplicemente usare una routine pronta per l'uso da scipy. Vedo che le routine di interpolazione spline scipy prendono un parametro smoothing (che sarebbe derivato per sx
qui), ma non calcola l'incertezza della serie interpolata.Interpolazione e stima dell'incertezza
Sto chiedendo perché non penso che sia un calcolo banale, e per vedere se qualcuno sa se questa capacità è disponibile.
Un modo per farlo è utilizzare un processo gaussiano. Dai un'occhiata a scikits.learn: http://scikit-learn.org/stable/modules/gaussian_process.html (Inoltre, il kriging è un tipo specifico di processo di guassian, ed è un metodo che incontrerai nel mondo dell'interpolazione molto) –
Per un esempio completo utilizzando scikit-learn: http://scikit-learn.org/stable/auto_examples/gaussian_process/plot_gp_regression.html –
Sì, ne sono a conoscenza, ma speravo nelle routine spline di Scipy potrebbe fornire incertezza "out of the box". – Jose