问题标签 [splines]

我曾经smooth.spline为我的数据估计三次样条。但是当我使用方程计算 90% 的逐点置信区间时，结果似乎有点偏离。如果我做错了，有人可以告诉我吗？我只是想知道是否有一个函数可以自动计算与函数相关的逐点区间带smooth.spline。

因为我不确定我是否做得正确，所以我使用gam()了 package.json 中的函数mgcv。

它立即给出了一个置信区间，但我不确定它是 90% 还是 95% CI 还是其他什么。如果有人可以解释，那就太好了。

我有一组 GPS 站，我知道其坐标 (x,y,z)，对于每个站，我也有一个错误 (e)。这些站当然间隔不均匀，否则就太容易了。问题是，为了计算一个站的误差 e，我只使用了该站，但我也想考虑其他站。

我的问题是：给定一组不均匀间隔的 (x,y,z,e) 点，我如何根据点之间的空间距离对 e 进行插值？插值不需要精确，因为我在已经拥有它的点上重新计算 e。另外，我正在寻找比反距离或类似的东西更清洁的东西。例如，样条曲线会很好。

根据我的阅读， scipy.interpolate 包的 splev 函数似乎可以解决问题，但我无法理解它是如何工作的，或者我应该将它作为参数提供什么。

我有人可以解释这应该如何工作，或者向我指出另一种方法，这会很棒。

我没有让 deCasteljau 运行。我在我不检查的代码中写了注释。

这里是 deCasteljau 的伪代码：

我必须使用 Vector2D。

假设您正在研究一个回归模型，并且至少有一个预测变量是通过样条估计的，例如，

上述拟合仅用于说明目的，没有任何有意义的理由。

现在，让我们保持相同的基本公式，但更改深度和克拉的结位置。更新需要以动态方式进行，以便它可以成为更大 MCMC 方法的一部分（结的数量和结位置由可逆跳跃或生/死步骤确定）。

我很清楚updateandupdate.formula调用，但我不相信这些工具会有所帮助。下面的伪代码应该说明我计划开发的函数的行为。

有人可以建议一种knots在 abs或 ns动态调用中修改调用的方法吗？

我有一组要使用 B 样条曲线平滑的点。
我的问题是如何实现 B 样条曲线来平滑这些点集？
我想用 c++ 来实现它。

我从 S+ 继承了一些代码，这些代码适合带有估算数据的 Cox Proportional Hazard 模型。然后它使用 Design 包来获取预测值和置信区间。

我现在在 R 中执行此操作。使用 RMS 包中的 Predict 函数时，我不断收到错误消息。任何人都可以帮忙吗？

在评估 Predict 时，日志显示：

matxv(adjto, coeff, kint = kint) 中的错误：a (4) 中的列必须 <= b (3) 的长度

在R中，我使用smooth.spline {stats}函数通过一些函数值拟合样条曲线。

现在ss对象包含在任何给定点绘制和评估样条曲线所需的拟合样条曲线的所有值。

如何使用ss$fit对象中的系数和节点来计算样条函数在点 xa 处的值。我知道我可以使用 predict 但我想实际手动计算该值。

我的尝试在以下未产生预期结果的函数中进行了描述：

我了解样条曲线背后的理论，并且阅读了很多关于其背后数学的文档。

谁能帮我评估拟合样条函数在任意点xv的值？

我不完全理解 smooth.spline 输出的参数的数据格式、数量和顺序，因此我无法重建预测函数的结果。

谢谢

我有以下模型：

其中 fulength 是随访的持续时间（包括死亡率），predictor 是死亡率的预测因子。

上面命令的输出是这样的：

如何绘制此模型，以便在 y 轴上获得具有 95% 置信带和风险比的漂亮曲线？我的目标与此类似：

我正在寻找一种使用 R 计算多元函数（5 个变量）的线性插值的方法。 akima 包提供了一种在双变量情况下计算线性插值的方法。可以使用函数 interp 在 matlab 中执行多元线性插值，但我想知道是否有办法在 R 中做同样的事情。

希望可以有人帮帮我！谢谢！

R 中的 smooth.spline 函数允许在粗糙度（由二阶导数的积分平方定义）和拟合点（通过对残差的平方求和定义）之间进行权衡。这种权衡是由 spar 或 df 参数完成的。在一个极端，你得到最小二乘线，另一个你得到一条非常摆动的曲线，它与所有数据点相交（或者如果你复制了具有不同 y 值的 x 值，则为平均值）

我已经查看了 Python 中的 scipy.interpolate.UnivariateSpline 和其他样条变体，但是，它们似乎只能通过增加结数和为允许的 SS 残差设置阈值（称为 s）来进行权衡。相比之下，R 中的 smooth.spline 允许在所有 x 值处都有结，而不必有一条摆动的曲线到达所有点——惩罚来自二阶导数。

Python 是否具有以这种方式运行的样条拟合机制？允许所有结但惩罚二阶导数？