SciPy：稀疏数据的n维插值

Question

我目前拥有一组n维数据点，每个数据点都带有与之相关的值（通常n的范围为2到4）。

我想对所提供的数据点进行某种形式的非线性插值，以尝试最小化这个值。当然，我也愿意尝试更好的方法来最小化这个值。

目前，我的代码可以处理1D和2D的数组。

mesh = np.meshgrid(*[i['grid2'] for i in self.cambParams], indexing='ij')
chi2 = griddata(data[:,:-1], data[:,-1], tuple(mesh), method='cubic')

然而，scipy.interpolate.griddata仅支持在2D网格上进行线性插值，这意味着插值在最小值为数据中定义的点时是无用的。有没有人知道可能适用的替代插值方法，或者通常解决该问题的更好方法？

谢谢

- Samreay

Answer 1

收到外部消息，经验证可行，因此在此公布答案以帮助未来的任何人。

SciPy具有Rbf插值方法（径向基函数），可以在任意维度上进行优于线性插值的插值。

对于具有行（x1，x2，x3 ...，xn，v）值的变量data，对原始帖子的以下代码修改允许插值：

rbfi = Rbf(*data.T)
mesh = np.meshgrid(*[i['grid2'] for i in self.cambParams], indexing='ij')
chi2 = rbfi(*mesh)

这里的文档非常有用，而且还有一个简单易懂的例子在这里，比上面的代码片段更容易理解。

- Samreay