LOESS / LOWESS स्थानीय प्रतिगमन
LOESS (स्थानीय रूप से अनुमानित स्कैटरप्लॉट स्मूथिंग), जिसे विलियम क्लीवलैंड ने 1979 में प्रस्तुत किया और सुसान डेविलिन के साथ 1988 में विस्तारित किया, प्रत्येक बिंदु के पड़ोस में एक अलग भारित बहुपद प्रतिगमन करके डेटा के माध्यम से एक सहज वक्र को फिट करता है। दूर के प्रेक्षणों की तुलना में पास के प्रेक्षणों का अधिक महत्व होता है, इसलिए यह विधि किसी भी वैश्विक कार्यात्मक रूप को माने बिना स्थानीय संरचना का अनुसरण करती है, जिससे यह स्कैटरप्लॉट के लिए एक लोकप्रिय अन्वेषी स्मूथर बन जाती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/hi/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.
- सामान्यीकृत योगात्मक मॉडल (GAM)मशीन अधिगम↔ compare
- बहुपद समाश्रयण (Polynomial Regression)सांख्यिकी↔ compare
- रिग्रेशन और स्मूथिंग स्प्लाइन्समशीन अधिगम↔ compare