Regressione locale LOESS / LOWESS
LOESS (locally estimated scatterplot smoothing), introdotto da William Cleveland nel 1979 ed esteso con Susan Devlin nel 1988, adatta una curva liscia attraverso i dati eseguendo una regressione polinomiale pesata separata nel vicinato di ciascun punto. Le osservazioni vicine contano più di quelle distanti, quindi il metodo segue la struttura locale senza assumere alcuna forma funzionale globale, rendendolo uno smussatore esplorativo popolare per gli scatterplot.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/it/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.
- Modello Additivo Generalizzato (GAM)Apprendimento automatico↔ compare
- Regressione polinomialeStatistica↔ compare
- Regression and Smoothing SplinesApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →