问题标签 [extrapolation]

好的，所以我几天前开始使用 Python。我主要将它用于数据科学，因为我是一名本科化学专业的学生。好吧，现在我遇到了一个小问题，因为我必须推断一个函数。我知道如何制作简单的图表，所以请尽量向我解释。我开始：

因此，对于这些值，我必须找出一种推断方法，以便在我的 x=0 时获得 ay（或 y2）值。我知道如何在数学上做到这一点，但我想知道 python 是否可以做到这一点以及如何在 Python 中执行它。有简单的方法吗？你能给我举一个我给定价值观的例子吗？谢谢

我正在尝试预测适合 R 的 nls。我的值是强度 (y) 和激发能量 (x)。我的代码如下：

我的问题是它总是只产生拟合值而不预测新值。

我知道这里已经有一个这样的问题，但它从来没有得到回答，所以它起作用了。

非常感谢您的帮助！

我有一个 2D 2401*266 矩阵K，它对应于 x 值（t：存储在 1*266 数组中）和 y 值（z：存储在 1*2401 数组中）。

我想推断矩阵 K 以预测一些未来值（对应于 t(1,267:279)。到目前为止，我已经扩展了 t，使其现在是使用 for 循环的 1*279 矩阵：

但是，我对如何在不为每一行拟合多项式的情况下推断 K 感到困惑？

我觉得必须有比这更有效的方法？？

我的数据点很少，我想创建一条线以在以符号学比例绘制时最适合数据点。我已经尝试过 scipy 的曲线拟合和三次插值，但与数据趋势相比，它们对我来说似乎都不是很合理。

我恳请您检查是否有更有效的方法来创建适合数据的直线。可能外推可以做，但我没有找到关于python外推的好文档。

非常感谢您的帮助

我有一个图表，其中外推与初始插值不匹配。我希望热图填充整个图像。

一、插值代码：

我不会发布整个 ggplot 代码（用于下图），只发布生成热图所需的代码：

但是，当我尝试推断数据时（按照其他帖子中的示例），我得到以下图，它与第一个井完全不匹配：

这是数据：

我究竟做错了什么？我怎样才能使外推更准确？

我有一个时间序列数据，其中包含 2001 年到 2016 年的 16 个值（车辆数量）。我想根据基本趋势预测到 2050 年的值（我同意这是一个远景）。

在做了一些研究后，我发现它可以通过 HoltWinters 或 TBATS 之类的方法来完成，尽管这并不符合我自己使用机器学习算法的计划。

我在所有工作中都使用 R。现在，在使用 HoltWinters() 和 predict() 方法之后，我确实得到了一条到 2050 年的外推曲线，但它是从 2017 年到 2050 年的简单指数曲线，我认为我可以通过微不足道的计算获得。

我的问题是双重的：

1) 获得有意义的推断的最佳方法是什么？

2）我目前的方法是否被修改以给我一个更有意义的推断？

通过有意义的方式，我想表达一条细节更接近现实的曲线。

非常感谢。

我正在尝试在 python 中的 loglog 图中进行推断。我做了线性回归以用最佳拟合曲线拟合数据。现在我想扩展那条最佳拟合线，看看斜率如何随着扩展范围而变化。

我的数据真的很大，所以这里是我的数据的链接：my_data

我的代码如下所示：

使用回归，绘图如下所示：

但是我如何推断将线从 10 ^ 12 延长到 10 ^ 14？感谢您的帮助。

我有一个参考数据集p，，

其中p$v和p$t有以下关系：

我的第二个数据集是测量数据w，包含相同的变量，例如：

我的参考数据p遵循幂律，我想根据幂律拟合数据进行预测，以替换NA我的测量数据。我怎么能在 R 中做到这一点？

我正在尝试使用自组织图 (SOM) 和 U 矩阵将事物组合在一起，看起来像以下内容：

图 1：光曲线的自组织图 (SOM) 图 2：上述 SOM 的 U 矩阵图 3：上述 U 矩阵的局部最大值

图 3 是使用 绘制plt.imshow的，由 0 到 1 之间的值组成的二维数组来定义颜色。

我想对图 3 中的线进行插值和外推以连接起来，从而将图形分成 6 个区域。我对如何做到这一点有点坚持，想知道是否有人有任何想法？我不一定要寻找代码，我主要想知道如何开始。

对于任何对我在这里所做的背景感兴趣的人来说都是一些零碎的东西，但这对我的问题来说不是必需的。

• 事情是光曲线
• 关于什么是 SOM 以及它是如何制作的资料
• 什么是 U 矩阵，它是如何制作的

我有数据集

我正在尝试使用 R 中的样条曲线在 x 上插值 y 的函数，并在 x 的边界之前和之后以相等的间距返回一些具有一系列数字的特定点。所以我写：

插值很好，如下图所示：

自然插值

但是用这种方法推断是愚蠢的，如下图所示：

外推

在插值中，大约 x=2000 之前的函数明显在减小，但您可以看到 x=1600 之前的外插变得增加。

该smooth.spline功能提供了更好的结果，但它不允许我选择xout我想要的点（或者我不知道如何选择！）。

我该怎么做才能在 x 的边界之外进行良好的插值（非线性）并获得xout我需要的点？