Python: регрессия кубического сплайна для данных временного ряда

Question

У меня есть данные, как показано ниже.Я хочу найти кривую CUBIC SPLINE, которая соответствует всему набору данных ( ссылка на данные выборки ).

То, что я до сих пор пробовал:

1. Я прошел через кубические функции сплайна Сципи, но все онитолько в состоянии дать результаты только в одно время, тогда как я хочу одну кривую для всего временного диапазона.

2. Я построил график, взяв среднее значение сплайн-коэффициентов, сгенерированных scipy.interpolate.splrep для 4-х узлов, но результаты были не очень хорошими и не помоглицель.

Что может мне помочь:

1. Идея о том, как оптимизировать количество и положение узлов для лучшей подгонки

2. Если нет, то если кто-то может помочь мне найти точные полиномиальные коэффициенты для кубических сплайнов для заданного числа узлов.

3. Если кто-томогу предложить полный способ решения этой проблемы.

Answer 1

Я сделал трехмерную диаграмму рассеяния данных, преобразовав временные метки в «истекшее время в секундах» из первой временной метки, изображение ниже.Мне кажется, что данные имеют своего рода трехмерный эквивалент выброса, здесь показанного как целая строка данных, которая значительно ниже большинства других данных.Это затруднит создание трехмерной подгонки поверхности любого типа.