n-dim-python插值是非线性的

Question

我得到了一个5个变量的函数Fx（s，m，p，h，l）

import numpy as np
s= np.arange(0,135,15)/10
m= np.array([150,180,195,210,240,255,270,285,300])
p=np.array([-1.5,-1,-0.5,0,0.5,1,1.5])
h=np.array([0,3,6,9,12])
l=np.array([0,0.5,1,1.5,2,2.5,3,4])

以及csv文件中的180个函数值。我想通过在所有点上插值来计算缺失值并使用径向基函数thin_plate将大幅度提高。有可能吗？我在这里找到的信息矩形网格上的Python 4D线性插值插值函数但如果我将数据数组中的某个值替换为None，则此时f（point）给出"nan"。我不想使用线性插值，因为对于一组4个变量，我得到了2个有值的点。非常感谢您对LL 的帮助

Answer 1

尝试scikit中的SVR学习来解决您的问题：

from sklearn.svm import SVR # it uses RBF as default kernel
import numpy as np
n_samples, n_features = 180, 5
y = np.random.randn(n_samples)  #function values
X = np.random.randn(n_samples, n_features)   #points
clf = SVR(C=1.0, epsilon=0.2)
clf.fit(X, y)
#Get value at a new point:
clf.predict([0,150,-1.5,0,0]) 

由于len（s）*len（m。。。。