问题标签 [extrapolation]

我一直在对机器学习模型的预测进行大量研究，特别是多输入神经网络。当 y+1 不存在时，如何在测试集中预测（或在这种情况下预测）y+1？下面，我有 1 月 1 日到 1 月 10 日。如何预测 1 月 11 日？

我已经尝试了预测包中的拟合函数，它只适用于时间序列对象。预测功能只给我 1 月 10 日的值，而不是 11 日。我可以将数据框转换为 STL 对象，但不确定它是否会在我的预测之上应用进一步的预测方法。

任何想法或帮助将不胜感激。

谢谢你。

任务是：在此图像上找到给定红色多边形的所有 4 个角

如果所有边界都可见，我知道如何找到所有角落（线性外推，呸，容易）。

我的问题是，如果我们看不到底边，如何寻找底角？

所以，我有以下问题：我有一个数据集 A（data.table 对象），其结构如下：

date days rate 1996-01-02 9 5.763067 1996-01-02 15 5.745902 1996-01-02 50 5.673317 1996-01-02 78 5.608884 1996-01-02 169 5.473762 1996-01-03 9 5.763067 1996-01-03 14 5.747397 1996-01-03 49 5.672263 1996-01-03 77 5.603705 1996-01-03 168 5.470584 1996-01-04 11 5.729460 1996-01-04 13 5.726104 1996-01-04 48 5.664931 1996-01-04 76 5.601891 1996-01-04 167 5.468961

请注意，每天的天数列及其大小可能会有所不同。我现在的目标是（分段线性）沿天插入速率。我每天都通过

其中days_vec <- min_days:max_days，即我感兴趣的天数范围（比如 1:100）。

我这里有两个问题：

1. approx仅进行插值，即它不会在 min(x) 和 max(x) 之间创建线性拟合。如果我现在对 1:100 天感兴趣，我首先需要使用第 9 天和第 15 天（A 的前 2 行）通过以下方式手动完成：

   first_days <- 1:(A[1,days]-1) #1:8 rate_vec[first_days] <- A[1,rate] + (first_days - A[1,days])/(A[2,days]-A[1,days])*(A[2,rate]-A[1,rate])

然后使用上面的近似线rate_vec[9:100]。有没有办法在 1 步中做到这一点？

2. 现在，鉴于我需要两个步骤，并且两个过程（此处为 9）之间的转换点因日期而异，我无法通过 data.table 看到实现，尽管这将是非常可取的（使用 data.table 方法进行插值/推断然后返回扩展的 data.table 对象）。因此，我目前通过日期运行 for 循环，这当然要慢得多。

问题：上面的问题是否可以更好地实现，而且，这是否可以通过 data.table 方法而不是循环 A 来实现？

我的源数据文件是每 15 分钟捕获一次的气象雷达图像。我正在尝试对中间帧进行平滑插值，并尝试从上次测量开始推断运动。

到目前为止，我的方法是从两个连续的图像中计算密集的光流场（cv2.calcOpticalFlowFarneback），然后使用光流和第一张图像对帧进行插值（cv2.remap）。我还使用相同的方法进行了虚拟运动外推。

在示例视频中，您可以看到这种方法的注意事项，在插值过程中，插值帧和测量帧之间存在明显的中断，并且在外推部分（从 8 秒开始）出现了完整的迷幻。我尝试过平滑光学流场，影响不大，但效果基本一样。

我想对接下来学习什么方法有一些指导，还有针对此类问题的任何 opencv 特定解决方案。

问题一：如何让插值更平滑？问题二：运动时间外推的正确方法是什么？

我有一个数据框，其中包含一些年度数据，我想将其推断为每月。我有一个在 SAS 中运行的进程，我正在迁移到 Python3，它就是这样做的。它采用年度值并将其用作全年的平均值，将月度值展开（第 6 个月基本上是值）。

这是SAS代码：

下面是起始数据。

这是一年的 SAS 输出：

这是我迄今为止在 Python 中所拥有的。我创建了 datetime 列并将其移动到索引中以使 .interpolate 起作用。但是，无论我尝试哪种方法（线性、样条等），我都无法获得相同的输出。

第二部分是一些失败的尝试操纵数据以获得不同的东西。就像将值移动到特定月份并从那里线性扩展。

我真的在网上找不到其他关于如何推断类似于 SAS 方法的数字的信息，请帮忙！

我有两组数据点，set1并且set2，每组都包含两列x和y值，就像那样（对于其中一个，另一个具有相似的结构和值）

这样我们就有了一个x按步长缩放的轴0.01，而y它是随机的。然后我有第三组，set3看起来像这样

所以增量又x是恒定的，在这种情况下等于0.05，而y是随机的。的范围x比set3和 宽set1得多set2。

我的目标是在 x 中拥有三个跨越相同范围的集合。

为此，我想插入两个较短的集合，set1和set2，其 x 范围包含在set3的一个中。

我做到了（set1例如，类似地set2），使用

但是extended_set1看起来好像这不是要走的路。这些值太高了，比它们应该的大很多数量级。

有任何想法吗？

我有一个 excel 表，其中的值表示时间序列数据的 start 和 end_time，如下所示。时间以秒为单位。

我想推断 start 和 end_time 之间的值并显示每秒的值。

+---------+------+ Time Value 0 A 1 A 2 A 3 B 4 A 5 A 6 A 7 A 8 A 9 A 10 C 11 c

任何在 Python 中实现它的帮助将不胜感激。谢谢。

我有一个数据集，其中值列的天数不同。

起始终值天数
24-03-2011 24-05-2011 398 60
25-05-2011 21-07-2011 275 56
22-07-2011 13-09-2011 389 52
14-09-2011 18-11-2011 482 64
19-11-2011 13-01-2012 514 54 14-01-2012
19-02-2012 330 35
20-02-2012 12-04-2012 519 51
13-04-2012 24-05-2012 361 40
25-05-2012 24-06-2012 202 29

我需要的是每月分布等值列的每月数据

开始终值天
01-03-2011 31-03-2011 ? 31
2011 年 1 月 4 日 2011 年 4 月 30 日？30 2011 年 1 月 5 日 2011 年 5 月 31
日？31
2011 年 1 月 6 日 2011 年 6 月 30 日？30
2011 年 1 月 7 日 2011 年 7 月 31 日？31
2011 年 1 月 8 日 2011 年 8 月 31 日？31
2011 年 1 月 9 日 2011 年 9 月 30 日？30
2011 年 1 月 10 日 2011 年 10 月 31 日？31
2011 年 1 月 11 日 2011 年 11 月 30 日？30
2011 年 1 月 12 日 2011 年 12 月 31 日？31
2012 年 1 月 1 日 2012 年 1 月 31 日？31 2012 年 1 月 2 日 2012 年 2 月
29 日？29 2012 年 1 月 3 日 2012 年 3 月
31 日？31
2012 年 1 月 4 日 2012 年 4 月 30 日？30

我不知道它是否有插值/外插问题，但有人建议我使用这些方法。请帮忙

我有一个面板数据集，其中包含 60 个国家的 10 个变量，跨越 18 年（2000-2017 年），我有很多缺失的数据。

我想使用 R 中的 na.approx 函数进行插值（并使用 rule = 2 进行推断），但仅限于每个国家/地区。例如，在此示例数据集中，我想插入 Albania 2006 的值，并推断 Albania 2000-2004 和 2017 的值。但我想确保 Albania 2017 的值不使用 Albania 2016 和 Algeria 2003 进行插值。对于阿尔及利亚 2000-2002，我希望使用阿尔及利亚 2003 和 2004 的数据来推断这些值。我尝试了以下代码：

并尝试了不同的 maxgap 值，但似乎没有一个能解决我的问题。我假设通过使用 group_by 函数它可以正常工作，但事实并非如此。有谁知道任何解决方案？

编辑：我想到的唯一方法是使用以下代码将数据集拆分为每个唯一国家/地区的单独数据集：

然后在单独的数据集上一次使用一个 na.approx 函数。

编辑2：

我已经尝试了下面 Markus 建议的解决方案，但它似乎不起作用。这是使用您建议的安哥拉值编码的结果：

如您所见，安哥拉 2000-2005 年的估算值似乎是使用阿尔及利亚的值计算的，因为估算值远高于安哥拉 2006 年 7458 的值。

编辑 3：这是我使用的完整代码 -

从 R 文档链接中的以下代码中，我想弄清楚如何为数据框的每个原始点提取单个值（“密度”），这样我就可以将新列用于进一步的应用程序我想到了 3D 空间中的“点”密度。

我查看了这个 SO 问题：link，但是该代码给出了一个 51 层的矩阵。我不知道如何获得 150 个点值。

就我而言，我担心使用的三元示例：

这是代码，它给出了一个很好的情节，但我无法为 iris 数据集中的 150 行/点中的每一个获得一个值