SciPy：稀疏数据的n维插值

Question

我目前有一个 n 维数据点的集合，每个数据点都有一个与之关联的值（n 通常在 2 到 4 之间）。

我想对我提供的数据点采用某种形式的非线性插值，以便我可以尝试最小化此值。当然，我愿意接受更好的方法来最小化值。

目前，我有适用于一维和二维数组的代码

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

但是 scipy.interpolate.griddata 仅支持二维网格上方的线性插值，这意味着插值是无用的，因为最小值将是数据中定义的点。有谁知道可能有效的替代插值方法，或解决一般问题的更好方法？

干杯

Answer 1

从外部来源收到了有用的提示，因此post考虑一下答案以防将来对任何人有所帮助。

SciPy 有一个 Rbf 插值方法（径向基函数），在任意维度上比线性插值更好。

取一个变量 data 和 (x1,x2,x3...,xn,v) 行的值，对原始 post 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)

文档 here is useful, and there is a simple and easy to follow example here，它比上面的代码片段更有意义。

SciPy: n-dimensional interpolation of sparse data