Regresja lokalna LOESS / LOWESS
LOESS (locally estimated scatterplot smoothing), wprowadzony przez Williama Clevelanda w 1979 r. i rozwinięty z Susan Devlin w 1988 r., dopasowuje gładką krzywą do danych poprzez wykonanie oddzielnej ważonej regresji wielomianowej w otoczeniu każdego punktu. Bliskie obserwacje liczą się bardziej niż odległe, dzięki czemu metoda podąża za lokalną strukturą, nie zakładając żadnej globalnej formy funkcjonalnej, co czyni ją popularnym wygładzaczem eksploracyjnym dla wykresów rozrzutu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/pl/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.
- Uogólniony model addytywny (GAM)Uczenie maszynowe↔ compare
- Regresja wielomianowaStatystyka↔ compare
- Regression SplinesUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →