Régression locale LOESS / LOWESS
LOESS (lissage de nuages de points estimé localement), introduit par William Cleveland en 1979 et étendu avec Susan Devlin en 1988, ajuste une courbe lisse à travers les données en effectuant une régression polynomiale pondérée séparée dans le voisinage de chaque point. Les observations proches comptent plus que les observations éloignées, de sorte que la méthode suit la structure locale sans supposer de forme fonctionnelle globale, ce qui en fait un lisseur exploratoire populaire pour les nuages de points.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/fr/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.
- Modèle additif généralisé (GAM)Apprentissage automatique↔ compare
- Régression polynomialeStatistique↔ compare
- Splines de régression et de lissageApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →