Regressão Local LOESS / LOWESS
LOESS (locally estimated scatterplot smoothing), introduzido por William Cleveland em 1979 e estendido com Susan Devlin em 1988, ajusta uma curva suave aos dados realizando uma regressão polinomial ponderada separada na vizinhança de cada ponto. Observações próximas têm mais peso do que as distantes, de modo que o método segue a estrutura local sem assumir nenhuma forma funcional global, tornando-o um suavizador exploratório popular para diagramas de dispersão.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/pt/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.
- Modelo Aditivo Generalizado (GAM)Aprendizado de máquina↔ compare
- Regressão PolinomialEstatística↔ compare
- Splines de regressão e de suavizaçãoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →