Machine learning
局所回帰 LOESS / LOWESS
LOESS（局所推定散布図平滑化）は、1979年にWilliam Clevelandによって導入され、1988年にSusan Devlinとともに拡張された手法で、各点の近傍で個別の重み付き多項式回帰を実行することにより、データに滑らかな曲線を描画します。近くの観測値は遠くの観測値よりも重視されるため、この手法はグローバルな関数形を仮定せずに局所的な構造に従い、散布図の探索的平滑化手法として広く利用されています。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/ja/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 →