رگرسیون موضعی LOESS / LOWESS
LOESS (هموارسازی نمودار پراکندگی با تخمین موضعی)، که توسط ویلیام کلیولند در سال ۱۹۷۹ معرفی شد و در سال ۱۹۸۸ با سوزان دِولین گسترش یافت، با انجام یک رگرسیون چندجملهای وزندار جداگانه در همسایگی هر نقطه، یک منحنی هموار را از روی دادهها برازش میکند. مشاهدات نزدیکتر نسبت به مشاهدات دورتر وزن بیشتری دارند، بنابراین این روش ساختار محلی را بدون فرض هیچ شکل تابعی سراسری دنبال میکند و آن را به یک هموارساز اکتشافی محبوب برای نمودارهای پراکندگی تبدیل کرده است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/fa/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.
- مدل جمعی تعمیمیافته (GAM)یادگیری ماشین↔ compare
- رگرسیون چندجملهایآمار↔ compare
- اسپلاینهای رگرسیون و هموارسازییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →