বহুমাত্রিক ডেটা ইন্টারপোলটিংয়ের জন্য পছন্দসই এবং দক্ষ পদ্ধতিটি কী?

Question

বহুমাত্রিক ডেটা ইন্টারপোলটিংয়ের জন্য পছন্দসই এবং দক্ষ পদ্ধতিটি কী?

যে বিষয়গুলি সম্পর্কে আমি উদ্বিগ্ন:

1. কর্মক্ষমতা এবং নির্মাণের জন্য মেমরি, একক / ব্যাচের মূল্যায়ন
2. 1 থেকে 6 পর্যন্ত হ্যান্ডলিংয়ের মাত্রা
3. লিনিয়ার বা উচ্চতর অর্ডার
4. গ্রেডিয়েন্টগুলি পাওয়ার ক্ষমতা (যদি লিনিয়ার না হয়)
5. নিয়মিত বনাম ছড়িয়ে ছিটিয়ে থাকা গ্রিড
6. ইন্টারপোলটিং ফাংশন হিসাবে ব্যবহার করা, যেমন শিকড়গুলি খুঁজে পেতে বা কমানোর জন্য
7. এক্সট্রা পোলেশন ক্ষমতা

এর কার্যকর ওপেন সোর্স বাস্তবায়ন কি আছে?

স্কিপি ইন্টিপ্লোলেট এবং সাইকিট-লার্ন থেকে ক্রিগিংয়ের সাথে আমার আংশিক ভাগ্য ছিল।

আমি স্প্লাইজস, চেবিশেভ বহুবচন ইত্যাদি চেষ্টা করিনি

এই বিষয়টিতে আমি এখন পর্যন্ত যা পেয়েছি তা এখানে:

একটি আয়তক্ষেত্রাকার গ্রিডে পাইথন 4D লিনিয়ার ইন্টারপোলেশন

এক্স, ওয়াই এবং জে বিভিন্ন অন্তর সহ নিয়মিত নমুনাযুক্ত 3 ডি ডেটার দ্রুত বর্ধন

নিয়মিত গ্রিড ডেটার দ্রুত প্রবর্তন

ব্যবহারিক ব্যবহারের জন্য বহুবিচ্ছিন্ন ছড়িয়ে ছিটিয়ে থাকা কোন পদ্ধতিটি সবচেয়ে ভাল?

Comments

আপনি কি জন্য আপনার বিরক্তি চান? আপনার ইনপুট ডেটা কেমন? আমি মনে করি না যে মাত্রিকতা সমস্যাটিকে অনেক পরিবর্তন করে।

— নিকোগুয়ারো

দুর্ভাগ্যক্রমে, মাল্টিভারিয়েট ইন্টারপোলেশন অবিভাজন হিসাবে কাটা এবং শুকনো নয়। উদাহরণস্বরূপ, 1 ডি-তে, আপনি নির্বিচারে ইন্টারপোলেশন নোডগুলি বেছে নিতে পারেন (যতক্ষণ না সেগুলি পারস্পরিক স্বতন্ত্র) যতক্ষণ না আপনি সর্বদা একটি নির্দিষ্ট ডিগ্রির একটি অনন্য ইন্টারপোলটিং বহুভুজ পেতে পারেন। ইতিমধ্যে 2 ডি-তে, এটি সত্য নয় এবং আপনি কীভাবে আপনার নোডগুলি বেছে নেবেন তার উপর নির্ভর করে আপনার পক্ষে একটি সংজ্ঞায়িত বহুভিত্তিক প্রসারণ সমস্যা নাও থাকতে পারে। সুতরাং সংক্ষেপে, দরকারী ইনপুট পেতে আপনাকে আমাদের আপনার ডেটার কাঠামোর আরও তথ্য দিতে হবে।

— সিএফএইচ

মাল্টিভারিয়েট বহুপদী প্রায় অনুমানের বিষয়ে একটি সমীক্ষা এখানে দেওয়া হয়েছে, আপনি যদি এই পদ্ধতির অনুসরণ করতে চান: গ্যাসকা এবং সউর, "বিভিন্ন ধরণের

— বহুবচনের

উচ্চ মাত্রার জন্য খুব কম দ্রুতগতির (যেমন স্মোলিয়াক) গ্রিডের চেবিশেভ বহুবর্ষগুলি খুব দ্রুত। গ্রিডপয়েন্টগুলি চেবিশেভ পয়েন্টগুলির একটি পূর্বনির্ধারিত উপসেট। কিছু বাস্তবায়ন: তাসমানিয়ান.অর্নল . gov , ians.uni-stuttgart.de/spinterp/about.html , github.com/EconForge/Solylay

— রোনালদো কার্পিও

আপনি বহুগুণে ডেলাউন টেস্টেলেশনের মতো কিছু চেষ্টা করতে পারেন।

— এনগ্রিস্টুডেন্ট - মনিকা

Answer 1

আমার প্রশ্নের প্রথম অংশের জন্য, পাইথন গ্রন্থাগারগুলি ব্যবহার করে বিভিন্ন লিনিয়ার ইন্টারপোলেশন পদ্ধতির পারফরম্যান্সের জন্য আমি এটি খুব দরকারী তুলনা পেয়েছি:

http://nbviewer.ipython.org/github/pierre-haessig/stodynprog/blob/master/stodynprog/linear_interp_benchmark.ipynb

নীচে এখন পর্যন্ত সংগ্রহ করা পদ্ধতির তালিকা রয়েছে।

স্ট্যান্ডার্ড বিভাজন, কাঠামোগত গ্রিড:

http://docs.scipy.org/doc/scipy-dev/reference/generated/scipy.ndimage.interpolation.map_coordinates.html

http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.RegularGridInterpolator.html

https://github.com/rncarpio/linterp/

কাঠামোগত (ছড়িয়ে ছিটিয়ে) গ্রিড:

http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.LinearNDInterpolator.html#scipy.interpolate.LinearNDInterpolator

http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.griddata.html

http://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.Rbf.html

দুটি বৃহত প্রকল্প যা অন্তরঙ্গকরণ অন্তর্ভুক্ত:

https://github.com/sloriot/cgal-bindings (সিজিএল এর কিছু অংশ, লাইসেন্স প্রাপ্ত জিপিএল / এলজিপিএল)

https://www.earthsystemcog.org/projects/esmp/ (ইলিনয় বিশ্ববিদ্যালয়-এনসিএসএ লাইসেন্স M = এমআইটি + বিএসডি -৩)

বিরল গ্রিড:

https://github.com/EconForge/Smolyak

https://github.com/EconForge/dolo/tree/master/dolo/numeric/interpolation

http://people.sc.fsu.edu/~jburkardt/py_src/sparse_grid/sparse_grid.html

https://aerodynamics.lr.tudelft.nl/~rdwight/work_sparse.html

https://pypi.python.org/pypi/puq

ক্রিগিং (গাউসিয়ান প্রক্রিয়া):

http://scikit-learn.org/stable/modules/generated/sklearn.gaussian_process.GaussianProcess.html

https://github.com/SheffieldML/GPy

https://software.sandia.gov/svn/surfpack/trunk/

http://openmdao.org/dev_docs/_modules/openmdao/lib/surrogatemodels/kriging_surrogate.html

সাধারণ জিপিএল লাইসেন্সপ্রাপ্ত:

https://github.com/rncarpio/delaunay_linterp

তাসমানিয়ান

অ্যাডাপটিভ স্টোকাস্টিক মডেলিং এবং নন-ইন্ট্রাসিভ অ্যাক্সেসিমেশনের জন্য টুলকিট - উচ্চ মাত্রিক সংহতকরণ এবং ইন্টারপোলেশন পাশাপাশি প্যারামিটার ক্রমাঙ্কনের জন্য একটি শক্তিশালী গ্রন্থাগার।

তাসমানিয়ের জন্য পাইথন বাঁধাই:

https://github.com/rncarpio/py_tsg

https://github.com/sloriot/cgal-bindings (সিজিএল এর কিছু অংশ, লাইসেন্স প্রাপ্ত জিপিএল / এলজিপিএল)

Comments

আমি যুক্ত করব যে স্যান্ডিয়া থেকে অত্যন্ত দুর্দান্ত ডাকোটা প্যাকেজে উপরের সমস্ত পদ্ধতি প্রয়োগ করা হয়েছে এবং আরও অনেকগুলি রয়েছে এবং এটি পাইথন বাইন্ডিং সরবরাহ করে। এটি উঠা এবং দৌড়ানো সবচেয়ে সহজ নাও হতে পারে তবে এটি শীর্ষস্থানীয় এবং প্রচুর বিকল্প দেয় এবং এটি পরীক্ষা করে দেখার মতো।

— অরেলিয়াস

@ অরেলিয়াস আপনি দয়া করে ডাকোটার মধ্যে অন্তরঙ্গকরণ / আনুমানিক রুটিনগুলিতে নির্দেশ করতে পারেন? আমার সেই প্যাকেজটির সাথে অভিজ্ঞতা আছে তবে ক্রিগিংয়ের জন্য কেবল সার্ফপ্যাক (ইতিমধ্যে উপরে রেফ-ডি) লক্ষ্য করা গেছে।

— denfromufa

ঠিক আছে, আমি এটি পেয়েছি - dakota.sandia.gov/sites/default/files/docs/6.0/html-ref/…

— denfromufa

@ অরেলিয়াস সমস্ত ডাকোটা আনুমানিক মডেলগুলি সার্ফপ্যাকে রয়েছে

— ডেনফ্রুমুফা

এটি রক্তাক্ত টেক্কা; সাবাশ!

— অ্যাস্ট্রিড