Локальная регрессия LOESS / LOWESS
LOESS (локально взвешенное сглаживание диаграмм рассеяния), введенное Уильямом Кливлендом в 1979 году и расширенное Сьюзан Девлин в 1988 году, строит гладкую кривую через данные, выполняя отдельную взвешенную полиномиальную регрессию в окрестности каждой точки. Близлежащие наблюдения имеют больший вес, чем удаленные, поэтому метод следует локальной структуре, не предполагая никакой глобальной функциональной формы, что делает его популярным инструментом для разведочного анализа диаграмм рассеяния.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/ru/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.
- Обобщенная аддитивная модель (GAM)Машинное обучение↔ compare
- Полиномиальная регрессияСтатистика↔ compare
- Регрессионные и сглаживающие сплайныМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →