LOESS / LOWESS Paikallinen regressio
LOESS (paikallisesti estimoitu hajontakuvion tasoitus), jonka William Cleveland esitteli vuonna 1979 ja laajensi Susan Devlinin kanssa vuonna 1988, sovittaa sileän käyrän dataan suorittamalla erillisen painotetun polynomiregression kunkin pisteen ympäristössä. Läheiset havainnot painavat enemmän kuin kaukaiset, joten menetelmä seuraa paikallista rakennetta olettamatta mitään globaalia funktionaalista muotoa, mikä tekee siitä suositun eksploratiivisen tasoittajan hajontakuvioille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/fi/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.
- Yleistetty additiivinen malli (GAM)Koneoppiminen↔ compare
- PolynomiregressioTilastotiede↔ compare
- Regressio- ja tasoitussplinitKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →