Regressió Local LOESS / LOWESS
LOESS (locally estimated scatterplot smoothing), introduït per William Cleveland el 1979 i ampliat amb Susan Devlin el 1988, ajusta una corba suau a través de les dades realitzant una regressió polinòmica ponderada separada al voltant de cada punt. Les observacions properes compten més que les distants, de manera que el mètode segueix l'estructura local sense assumir cap forma funcional global, convertint-lo en un suavitzador exploratori popular per a gràfics de dispersió.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/ca/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.
- Model additiu generalitzat (GAM)Aprenentatge automàtic↔ compare
- Regressió polinòmicaEstadística↔ compare
- Splines de regressió i de suavitzacióAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →