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 通常介于 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这个 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的定义点。有谁知道可能有效的替代插值方法，或者解决一般问题的更好方法？

干杯

Answer 1

从有效的外部来源收到提示，因此发布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），它允许在任意维度上比线性插值更好。

采用具有(x1,x2,x3...,xn,v) 值行的变量data，对原始帖子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，还有一个简单易学的例子here，比上面的sn-p代码更有意义。