LOESS / LOWESS Helyi Regresszió
A LOESS (lokálisan becsült szórási grafikon simítás), amelyet William Cleveland vezetett be 1979-ben, és Susan Devlinnel 1988-ban fejlesztett tovább, sima görbét illeszt az adatokra azáltal, hogy minden pont környezetében külön súlyozott polinomregressziót végez. A közeli megfigyelések többet számítanak, mint a távoliak, így a módszer követi a helyi struktúrát anélkül, hogy bármilyen globális függvényformát feltételezne, ami népszerűvé teszi a szórási grafikonok feltáró simítására.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/hu/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.
- Generalizált Additív Modell (GAM)Gépi tanulás↔ compare
- Polinomiális regresszióStatisztika↔ compare
- Regressziós és simító spline-okGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →