有没有办法将我的数据集中的不确定性纳入Savitzky Golay拟合的结果?由于我没有将这些信息传递给函数,因此我认为它只是在计算最合适的函数。通过未加权的最小二乘法。我目前正在处理具有非均匀不确定性的数据,因此可以通过包含我对主数据集的错误来改善数据的拟合。
Savitzky-Golay过滤器的wikipedia page建议我如何改变计算拟合系数的过程,我正盯着scipy.signal.savgol_filter
的代码,但我无法得到我想知道我需要调整什么,这样才能做到我想要的。
是否有任何现成的加权SG过滤器?我发现很难相信没有其他人在Python中需要这个工具,但也许我错过了一些东西。
答案 0 :(得分:0)
检查以下Python模块:https://github.com/surhudm/savitzky_golay_with_errors
此python脚本对传统的Savitzky-Golay过滤器进行了改进 通过考虑数据中的错误或协方差。输入和 参数均以scipy.signal.savgol_filter
为模型
Matlab函数sgolayfilt
支持权重。检查documentation。