ScholarGate
Assistente
Machine learning

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. 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
  2. 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.

Compare side by side

Citato da

ScholarGateLOESS (Local Regression (LOESS / LOWESS)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/loess · Insieme di dati: https://doi.org/10.5281/zenodo.20539026