插值與估計的不確定性

比方說，我有一個卡比時間序列x，通過一個特定的時間測量。我也有一個不確定度sx（比如在特定的時間間隔內的標準偏差x）。我只是基本上想要填補時間序列，但我想傳播測量不確定性，並希望插值的不確定性。在過去，我使用了Tikhonov正則化來實現這一點（即增加平滑約束），但我寧願只使用scipy的開箱即用的例程。我可以看到scipy樣條插值例程採用了一個平滑參數（這裏可以得到sx），但是它並不計算插值序列的不確定性。插值與估計的不確定性

我這麼問是因爲我不認爲這是一個簡單的計算，看看是否有人知道這一功能是否可用。

來源

2013-10-28 Jose

這樣做的一種方法是使用高斯過程。看看scikits.learn：http://scikit-learn.org/stable/modules/gaussian_process.html（此外，克里格是一種特定類型的高斯過程，它是一種在插值世界中遇到的方法很多） –

對於使用一個完整的例子scikit學習：http://scikit-learn.org/stable/auto_examples/gaussian_process/plot_gp_regression.html –

是的，我知道這一點，但我希望在SciPy的樣條程序可能會提供不確定性「開箱即用」。 – Jose

我不知道你是什麼意思「傳播測量不確定度，並希望，插值的不確定性」，但如果我理解正確的話，你有一個嘈雜的測量的不確定性的附加信息。如果噪音是白噪音，或者可以變白，那麼您可以使用Kalman filter來平滑常規測量並估算間隙中的測量結果。

卡爾曼濾波器使用狀態模型來預測未來的測量和模型中使用的協方差矩陣的信號的白噪聲成分。不確定性度量可用於修改預測和測量之間的過濾器「信任」權重。您可以使用協方差矩陣來確定臨時不確定性度量。

來源

2013-10-30 09:07:04

唉，其實，我寧願有一個卡爾曼比濾波更平滑，但我是問SciPy的的樣條插補程序是否確實需要的不確定性考慮（我想你可以計算，但可能不是小事！） – Jose

對不起，我無法幫助你，從未使用過它。卡爾曼平滑器是卡爾曼濾波器更一般概念的特殊操作條件。 –

插值與估計的不確定性

回答

相關問題