LOESS / LOWESS Lokale Regression
LOESS (lokal geschätzte Streudiagrammglättung), eingeführt von William Cleveland 1979 und 1988 mit Susan Devlin erweitert, passt eine glatte Kurve durch Daten, indem in der Nachbarschaft jedes Punktes eine separate gewichtete Polynomregression durchgeführt wird. Nahegelegene Beobachtungen zählen mehr als entfernte, sodass die Methode lokale Struktur folgt, ohne eine globale Funktionsform anzunehmen, was sie zu einem beliebten explorativen Glätter für Streudiagramme macht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/de/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.
- Generalisiertes Additives Modell (GAM)Maschinelles Lernen↔ compare
- Polynomiale RegressionStatistik↔ compare
- Regressions- und GlättungssplinesMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →