R中的smooth.spline函数允许在粗糙度（由二阶导数的积分平方定义）和拟合点（通过对残差的平方求和所定义）之间进行权衡 . 这种权衡是通过spar或df参数完成的 . 在一个极端，你获得最小方块线，另一个你得到一个非常摇摆的曲线，它与所有数据点相交（或者如果你有重复的x值，具有不同的y值，则为平均值）
我在Python中查看了scipy.interpolate.UnivariateSpline和其他样条变量，但是，他们似乎只是通过增加结的数量来进行权衡，并为允许的SS残差设置一个阈值（称为s） . 相比之下，R中的smooth.spline允许在所有x值处具有节点，而不必具有击中所有点的摇摆曲线 - 惩罚来自二阶导数 .
Python是否具有以这种方式运行的样条拟合机制？允许所有结，但惩罚二阶导数？
1 回答
我一直在寻找完全相同的东西，但宁愿不必将代码翻译成Python . Splinter包似乎是一个选项，但是：https://github.com/bgrimstad/splinter