Lokālā regresija LOESS / LOWESS
LOESS (lokāli novērtēta punktu grafika izlīdzināšana), ko 1979. gadā ieviesa Viljams Kīvlends un 1988. gadā kopā ar Sūzanu Devlinu paplašināja, izlīdzina datus, katrā punktā veicot atsevišķu svērto polinomu regresiju tā apkārtnē. Tuvāki novērojumi ir svarīgāki nekā attālāki, tāpēc metode seko lokālajai struktūrai, nepieņemot nekādu globālu funkcionālu formu, padarot to par populāru izlīdzinātāju punktu grafikiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/lv/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.
- Vispārīgais aditīvais modelis (GAM)Mašīnmācīšanās↔ compare
- Polinomu regresijaStatistika↔ compare
- Regresijas un izlīdzināšanas splainiMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →