Machine learning
LOESS / LOWESS 지역 회귀
1979년 William Cleveland가 소개하고 1988년 Susan Devlin과 함께 확장한 LOESS(locally estimated scatterplot smoothing)는 각 점의 근방에서 가중 다항 회귀를 수행하여 데이터에 부드러운 곡선을 맞춥니다. 가까운 관측치가 먼 관측치보다 더 많이 계산되므로, 이 방법은 전역적인 함수 형태를 가정하지 않고 지역 구조를 따르며, 산점도에 대한 인기 있는 탐색적 평활기로 사용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/ko/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 →