Lokální regrese LOESS / LOWESS
LOESS (lokálně odhadované vyhlazování rozptylu), představený Williamem Clevelandem v roce 1979 a rozšířený se Susan Devlin v roce 1988, prokládá hladkou křivku daty prováděním samostatné vážené polynomiální regrese v okolí každého bodu. Blízké pozorování mají větší váhu než vzdálená, takže metoda sleduje lokální strukturu, aniž by předpokládala jakoukoli globální funkční formu, což z ní činí populární vyhlazovací metodu pro explorativní analýzu bodových grafů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/cs/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.
- Zobecněný aditivní model (GAM)Strojové učení↔ compare
- Polynomická regreseStatistika↔ compare
- Regresní a vyhlazovací splajnyStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →