在python中使用恒定x范围进行最低平滑

时间:2018-09-29 11:41:16

标签: python statsmodels non-linear-regression loess

我正在使用python statsmodels.nonparametric.smoothers_lowess.lowess lowess实现来平滑某些数据。

它接受“ frac”作为参数-数据集的一部分,用于生成局部梯度。

但是,我的数据在x中的间隔不均匀(在我的情况下,x代表时间,因此我将其称为“ t”)。 t = 0附近的样品密度高,t值高的样品密度低。

因此,在接近t = 0时,具有恒定压裂的低位平滑所用的时间范围很小,可能不到一秒钟。

另一方面,当t大且数据稀疏时,用于最低平滑的时间范围为数十秒。

我想使用恒定时间范围中的数据来生成最低拟合,例如10秒。即这意味着在原点附近比在大t处使用更多的数据点。

有没有简单的方法可以做到这一点而又不会使拟合结果有偏差?我正在考虑在低t处对数据进行下采样,并在高t处进行插值,以人为地在x方向上创建均匀的间距,这样我就可以使用恒定的“分数”,但是我担心这种方法会影响结果。

0 个答案:

没有答案