bspline_interpolation#

pymc_extras.utils.spline.bspline_interpolation(x, *, n=None, eval_points=None, degree=3, sparse=True)[source]#

使用 b 样条将稀疏网格插值到密集网格。

参数:

x (Variable) – 要插值的输入变量。第 0 个坐标假定规则地映射到 [0, 1] 区间
n (int (可选)) – 插值分辨率
eval_points (vector (可选)) – [0, 1] 区间中的自定义评估点（或使用最小/最大缩放适当缩放）
degree (int, 可选) – B 样条次数，默认为 3
sparse (bool, 可选) – 使用稀疏操作，默认为 True

返回:

插值后的变量，插值沿第 0 轴进行

返回类型:

Variable

示例

>>> import pymc as pm
>>> import numpy as np
>>> half_months = np.linspace(0, 365, 12*2)
>>> with pm.Model(coords=dict(knots_time=half_months, time=np.arange(365))) as model:
...     kernel = pm.gp.cov.ExpQuad(1, ls=365/12)
...     # ready to define gp (a latent process over parameters)
...     gp = pm.gp.gp.Latent(
...         cov_func=kernel
...     )
...     y_knots = gp.prior("y_knots", half_months[:, None], dims="knots_time")
...     y = pm.Deterministic(
...         "y",
...         bspline_interpolation(y_knots, n=365, degree=3),
...         dims="time"
...     )
...     trace = pm.sample_prior_predictive(1)

注释

采用自 BayesAlpha，由 @aseyboldt 编写