Regresión local LOESS / LOWESS
LOESS (suavizado de diagramas de dispersión estimado localmente), introducido por William Cleveland en 1979 y ampliado con Susan Devlin en 1988, ajusta una curva suave a través de los datos realizando una regresión polinómica ponderada separada en la vecindad de cada punto. Las observaciones cercanas cuentan más que las distantes, por lo que el método sigue la estructura local sin asumir ninguna forma funcional global, lo que lo convierte en un suavizador exploratorio popular para diagramas de dispersión.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/es/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.
- Modelo Aditivo Generalizado (GAM)Aprendizaje automático↔ compare
- Regresión polinómicaEstadística↔ compare
- Regression SplinesAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →