Τοπική Παλινδρόμηση LOESS / LOWESS
Το LOESS (locally estimated scatterplot smoothing), που εισήχθη από τον William Cleveland το 1979 και επεκτάθηκε με τη Susan Devlin το 1988, προσαρμόζει μια ομαλή καμπύλη στα δεδομένα εκτελώντας ξεχωριστή σταθμισμένη πολυωνυμική παλινδρόμηση στην περιοχή γύρω από κάθε σημείο. Οι κοντινές παρατηρήσεις μετρούν περισσότερο από τις μακρινές, οπότε η μέθοδος ακολουθεί την τοπική δομή χωρίς να υποθέτει καμία παγκόσμια συναρτησιακή μορφή, καθιστώντας την ένα δημοφιλές εργαλείο οπτικοποίησης για διαγράμματα διασποράς.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/el/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.
- Γενικευμένο Προσθετικό Μοντέλο (GAM)Μηχανική Μάθηση↔ compare
- Παλινδρομική Ανάλυση ΠολυωνύμουΣτατιστική↔ compare
- Παλινδρόμηση και Εξομαλυντικές ΣπλίνεςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →