LOESS / LOWESS lokalna regresija
LOESS (lokalno procijenjeno zaglađivanje raspršenog dijagrama), koju je William Cleveland uveo 1979. godine i proširio sa Susan Devlin 1988. godine, prilagođava glatku krivulju podacima izvodeći zasebnu ponderiranu polinomnu regresiju u susjedstvu svake točke. Obližnja opažanja broje se više od udaljenih, tako da metoda slijedi lokalnu strukturu bez pretpostavke bilo kakvog globalnog funkcionalnog oblika, što je čini popularnim istraživačkim zaglađivačem za raspršene dijagrame.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/hr/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.
- Generalizirani aditivni model (GAM)Strojno učenje↔ compare
- Polinomna regresijaStatistika↔ compare
- Regresijske i izglađujuće splajneStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →