问题标签 [cubic-spline]

我使用 rms-package 生成了一个受限三次样条曲线。你可以看到下面的情节：

我希望将log Relative Hazard-y 轴转换为Relative Hazard.

我使用了以下脚本，我的数据可以在下面找到：

我的数据：

我附上了一张用 R 中的 rms 包生成的样条曲线的图片。它显示了危险比（死亡）与给定的药物累积剂量之间的关联。

请在下面找到我的数据和脚本。

我使用了 rms 包。我希望找到属于风险比 = y = 1 的 x 值 (w$total.mbq)。我尝试了不同的组合，summary(model)但它不起作用。

我的数据

我试图找到一个自然三次样条的最小值。我编写了以下代码来查找自然三次样条。（我已经得到了测试数据并且已经确认这个方法是正确的。）现在我不知道如何找到这个函数的最小值。

这是数据

这是功能

我想在我的 xdata 的域上找到最小值，所以 fmin 不起作用，因为你不能在那里定义边界。我尝试了 fmin_slsqp 和最小化。它们与我编写的函数不兼容，phi所以我重写phi(x, xd,yd)并添加了一个额外的变量，例如 phi 是phi(x, xd,yd, m). M 表示我们正在计算样条曲线的哪个子函数（从 x_m 到 x_m+1）。在我们替换#solution 1为以下代码的代码中

为了在域 x_m 到 x_(m+1) 中找到最小值，我们使用以下代码：（我们使用 m=0 的实例，因此 x 从 0.25 到 0.5。初始猜测是 0.3）

然后我会做什么（我知道这很粗糙），用 for 循环迭代它以找到所有子域的最小值，然后取整体最小值。但是，该函数fmin_slsqp不断返回初始猜测值作为最小值。所以有问题，我不知道如何解决。如果您能帮助我，我们将不胜感激。感谢您阅读本文。

我在数组中有一系列值和时间。我想创建一个样条拟合，其中我给它的每个点的导数都为零。简而言之，我想从中形成一个复杂的正弦波。每个值最终应该是局部最小值或局部最大值。在输出中。当我用interp1“样条”函数进行插值时，每个给定点的一阶导数不为零。参考下面的代码，slopes1理想情况下应该等于零t = [1 2 3 4 5 6 7 8 9 10]。我希望这是有道理的。如果样条无法做到这一点，那么生成具有一系列连续一阶和二阶可微分的最小值和最大值的振荡曲线的最佳方法是什么？

我正在R中开发COX回归模型。
我目前使用的模型如下

如果我想看看这个

我得到 3 个coefs/SE/WaldetcMPV (MVP, MVP' and MVP'')和 2 个age (age, age').
有人可以向我解释这些输出是什么吗？即我相信它们与我添加的受限三次样条有关。

我正在尝试使用 R 中的 crr 函数（cmprsk）制作竞争风险生存模型，并通过初步分析，我想用受限三次样条变换来变换我的两个连续变量。有谁知道类似于 rms 包中的 rcs 函数的方法？

如果平滑样条只是一个自然三次样条，每个唯一值都有结x_i。那么为什么gam::s()在 R 中需要一个自由度呢？

I'm trying to pass a nested list to a spline function. I have quarterly rainfall values for two cities for two consecutive years. I am trying to execute a spline interpolation such that I may get back monthly values for those years

Here's what I tried:

But instead of passing temp$city_name how can I pass the entire list so that it returns a data frame of interpolated lists or data frames?

City names can be a column or row-index - either works

enter code here我正在尝试将样条曲线拟合到两组数据点，以便沿着公共 x linspace 对它们进行标准化和比较。数据点代表辐射剖面，形状看起来像一座塔。

我不能使用平滑度参数设置为零的 UnivariateSpline，因为我正在寻找轮廓中间部分的平滑线，而不是连接点，从而导致噪声线。

如果我使用高平滑度参数，我会得到一个抛物线拟合，它不能捕捉轮廓边缘的急剧上升和下降（这很重要）。

如果我让函数优化平滑度本身，我会在轮廓上升和下降之前和之后得到三次线，这又不是最优的。

这种工作的一种方法是解决问题。我根据 np.dif(y) 最大值将配置文件 y 数据分成 3 组，以发现急剧上升和下降。然后我以零平滑度拟合包括上升的第一组和包括下降的最后一组，并用平滑线拟合中间组。这可行，但它会在集合连接处产生难看的不连续性。

是否有任何方法可以将连续平滑线拟合到整个数据？也许使用样条的加权或其他东西？（我不熟悉权重）

这是带有一些示例数据集的代码：

此 h5 文件包含常规 3D 网格上的分析函数的信息。出于插值目的，我在这里使用 Regulargridinterpolator 得到了非常糟糕的结果。现在，我想scipy.interpolate.Rbf为我的数据集测试插值器。谁能帮我做到这一点？我查看了这个插值器的文档，但没有正确理解。

我创建了一个这样的 h5 文件：