uwaga: bez poprawnych odpowiedzi po miesiącu, przeszedłem do SO
tło
Mam model, , gdzie Y = f ( X )
jestmacierzą n × m próbek z m parametrów, a Y jestwektorem n × 1 wyników modelu.
jest intensywne obliczeniowo, więc chciałbym aproksymować f za pomocą wielowymiarowego splajnu sześciennego przezpunkty ( X , Y ) , aby móc ocenić Y w większej liczbie punktów.
Pytanie
Czy istnieje funkcja R, która obliczy dowolną zależność między X i Y?
W szczególności szukam wielowymiarowej wersji splinefun
funkcji, która generuje funkcję splajnu dla przypadku jednowymiarowego.
np. tak splinefun
działa przypadek jednoczynnikowy
x <- 1:10
y <- runif(10)
foo <- splinefun(x,y)
foo(1:10) #returns y, as example
all(y == foo(1:10))
## TRUE
Co próbowałem
Sprawdziliśmy na MDA pakiet, a wydaje się, że powinien pracować co następuje:
library(mda)
x <- data.frame(a = 1:10, b = 1:10/2, c = 1:10*2)
y <- runif(10)
foo <- mars(x,y)
predict(foo, x) #all the same value
all(y == predict(foo,x))
## FALSE
ale nie mogłem znaleźć żadnego sposobu na implementację splajnu sześciennego mars
zaktualizuj od czasu zaoferowania nagrody, zmieniłem tytuł - Jeśli nie ma funkcji R, zaakceptowałbym, w kolejności preferencji: funkcję R, która wyprowadza funkcję procesu gaussowskiego, lub inną funkcję interpolacji wielowymiarowej, która przechodzi przez punkty projektowe, najlepiej w R, inaczej Matlab.