有没有办法将我的数据集的不确定性纳入 Savitzky Golay 拟合的结果？由于我没有将这些信息传递给函数，我假设它只是通过未加权最小二乘过程计算“最佳拟合”。我目前正在处理具有非均匀不确定性的数据，因此可以通过包括我的主要数据集的错误来改进数据的拟合度。
Savitzky-Golay 滤波器的维基百科页面建议我如何改变计算拟合系数的过程，我正在盯着 的代码scipy.signal.savgol_filter，但我无法理解我需要调整的内容，以便这个会做我想做的事。
是否有现成的加权 SG 过滤器浮动？我很难相信在 Python 中没有其他人需要这个工具，但也许我错过了一些东西。