Regresie Locală LOESS / LOWESS
LOESS (netezirea scatterploturilor estimate local), introdusă de William Cleveland în 1979 și extinsă cu Susan Devlin în 1988, ajustează o curbă netedă prin date efectuând o regresie polinomială ponderată separată în vecinătatea fiecărui punct. Observațiile apropiate contează mai mult decât cele îndepărtate, astfel încât metoda urmărește structura locală fără a presupune nicio formă funcțională globală, făcându-l un netezitor exploratoriu popular pentru scatterploturi.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/ro/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.
- Model aditiv generalizat (GAM)Învățare automată↔ compare
- Regresie polinomialăStatistică↔ compare
- Spline-uri de regresie și de netezireÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →