LOESS / LOWESS Локална регресия
LOESS (локално оценено изглаждане на точкова диаграма), въведено от Уилям Кливланд през 1979 г. и разширено със Сюзън Девлин през 1988 г., напасва гладка крива към данни чрез извършване на отделна претеглена полиномна регресия в околността на всяка точка. Близките наблюдения имат по-голяма тежест от отдалечените, така че методът следва локалната структура, без да приема каквато и да е глобална функционална форма, което го прави популярен изследователски изглаждащ метод за точкови диаграми.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Cleveland, W. S. (1979). Robust locally weighted regression and smoothing scatterplots. Journal of the American Statistical Association, 74(368), 829–836. DOI: 10.1080/01621459.1979.10481038 ↗
- Cleveland, W. S., & Devlin, S. J. (1988). Locally weighted regression: an approach to regression analysis by local fitting. Journal of the American Statistical Association, 83(403), 596–610. DOI: 10.1080/01621459.1988.10478639 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/bg/machine-learning/loess
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Обобщен адитивен модел (GAM)Машинно обучение↔ compare
- Полиномна регресияСтатистика↔ compare
- Regression SplinesМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →