R中的线性插值

我有一个真实数据集，例如如下所示：

# Dataset 1 with known data
known <- data.frame(
    x = c(0:6),
    y = c(0, 10, 20, 23, 41, 39, 61)
)

plot (known$x, known$y, type="o")

因此，在理想情况下，我会用已知数据创建一个“linearInterpolationModel”，例如

model <- linearInterpol(known)

（在这种情况下，应给出“3”）

我怎样才能意识到这一点？对于每个值，我都会手动执行以下操作：

# Dataset 1 with known data
known <- data.frame(
    x = c(0:6),
    y = c(0, 10, 20, 23, 41, 39, 61)
)

plot (known$x, known$y, type="o")

最接近的X值比当前X值小

Xsmall

，最接近的X值比当前X值大

Xlarge

计算相对于较小X值的相对位置

relPos=（X-Xsmall）/（Xlarge-Xsmall）

计算预期Y值

Yexp=Ysmall+（relPos*（Ylarge-Ysmall））

至少对于软件Matlab，我听说有一个内置的函数来解决这些问题

谢谢你的帮助

---

Sven

您可以查看

approx（）

和

approxfun（）

。。。或者我想你可以用

lm

进行线性拟合，或者用

lowess

进行非参数拟合。

下面是使用线性模型得到预测值的方法

model.lm <- lm(y ~ x, data = known)

# Use predict to estimate the values for aim.
# Note that predict expects a data.frame and the col 
# names need to match
newY <- predict(model.lm, newdata = data.frame(x = aim))

#Add the predicted points to the original plot
points(aim, newY, col = "red")

---

+1表示predict（），非常有用，但在查看为predict（）提供示例的？lm+1时并不立即明显。这个解决方案与我想要的ehat略有不同。它首先对所有数据点进行线性回归，并计算回归曲线上给定x值的Y值。我只在最近的两个点之间寻找线性回归。这可以通过大约（）完成。谢谢。'approx（）'正是我想要的。否我使用了

绘图（大约（已知$x，已知$y，xout=aim））

。你知道近似的2D版本吗？我想在矩阵中插入数据点，…akima软件包有一个

interp

函数，我用它在不规则网格上拟合3D数据。默认情况下，它生成“线性”插值，但也允许指定样条曲线拟合。如果点的“矩阵”是规则的，则可以使用

线框

或

persp

进行查看，但它们不接受不规则数据。但是

线框

和

persp

似乎只对打印有用。我有对数间隔的数据点。我想给我正在搜索的函数提供3D数据，另外还有数据点的x和y坐标。该函数应返回x和y坐标的插值z值。对于三个命名函数，这似乎是不可能的。那么，我必须手工操作吗？为什么不能

interp

呢？如果需要对数尺度上的线性插值，则还可以变换、插值和反变换。如果您心中有一个特定的数据集，那么如果您发布数据并完整描述问题，您（一如既往）会得到更好的答案。这似乎不同于原来的问题，你可以考虑用数据和描述来发布一个新的问题。“黄土”也可以做2和三维拟合和插值。

model$getEstimation(0.3)

abline(h = 3, col = "#00ff00")

model.lm <- lm(y ~ x, data = known)

# Use predict to estimate the values for aim.
# Note that predict expects a data.frame and the col 
# names need to match
newY <- predict(model.lm, newdata = data.frame(x = aim))

#Add the predicted points to the original plot
points(aim, newY, col = "red")

> cbind(aim, newY)
  aim       newY
1 0.3  2.4500000
2 0.7  6.1928571
3 2.3 21.1642857
....