Pekerjaan ‘interpolasi’ untuk menghubungkan nilai-nilai yang hilang & pentingnya urutan titik data untuk proses tersebut

Definisi interpolasi – Interpolasi memprediksi nilai pada suatu titik dengan mempelajari titik-titik tetangganya (dalam kolom yang sama), berbeda dengan pemodelan data yang mengharuskan semua kolom dipertimbangkan saat mempelajari hubungan antar titik.

Apa yang saya coba:

Berikut adalah poin yang dikumpulkan sebagai bagian dari penelitian saya tentang interpolasi & keraguan saya:

1. Interpolasi mengasumsikan kelancaran & kontinuitas antara titik data yang berurutan ketika dihubungkan menggunakan kurva/garis. Jadi mencampurkan/mengurutkan nilai dalam kolom akan mempengaruhi garis/kurva interpolasi & hasil selanjutnya secara negatif. Oleh karena itu, kita tidak boleh mengubah urutan titik data dalam kumpulan data.

Keraguan – Ketika titik-titik data ini diplot pada sebuah grafik, maka kedekatan nilai/titik data satu sama lain akan bergantung pada besarnya nilai-nilai tersebut, yaitu nilai-nilai yang jumlahnya lebih dekat akan terletak lebih dekat satu sama lain. Tidak masalah bagaimana pengurutannya dalam kumpulan data. Jadi mengapa ada begitu banyak penekanan pada pelestarian urutan asli nilai kumpulan data?

Dan seberapa praktiskah mengasumsikan bahwa orang yang menyiapkan kumpulan data telah menyusun nilai-nilai dalam urutan yang menjamin kesinambungan & kelancaran antar titik data pada kolom yang dipertimbangkan? Kita tidak tahu kolom mana yang dianggap sebagai kunci pengurutan baris.

Catatan: Saya telah menjelaskan pemahaman & keraguan saya sedetail mungkin. Jika pemahaman saya salah atau pertanyaan saya tidak jelas, beri tahu saya.