直白来说
插值:求过已知有限个数据点的近似函数。
拟合:已知有限个数据点,求近似函数,不要求过已知数据点,只要求在某种意义下它在这些点上的总偏差最小。
插值和拟合都是要根据一组数据构造一个函数作为近似,由于近似的要求不同,二者的数学方法上是完全不同的。而面对一个实际问题,究竟应该用插值还是拟合,有时容易确定,有时则并不明显。
插值函数的作用就是用于函数的拟合. 通常插值函数的应用就是通过函数表来构造一个足够简单, 并且能够反映函数 的特征的函数。
并且插值函数具有唯一性
这样表示的话矩阵为
理论大概就是这些吧,CSDN我不会在上面打公式,所以在word里打好直接截图了,做建模的时候可能要费点劲了,那么说句最直白的,插值分析分为两种方法,一种是内插法和外插法,最大的区别就是处理方法不同、职责不同、工作内容不同,
核心区别就是:内插法在样本数据的范围内预测,比外插法要准。用回归方程预测范围以外的数值称为外插法,而内插法是对数据范围内的点进行预测。
内插比外插要准的多。下面用内插法实现。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.interpolate import UnivariateSpline
plt.rcParams['font.sans-serif'] = ['simhei']
plt.rcParams['axes.unicode_minus'] = False
data=pd.read_excel(open('data.xlsx', <