LOESS / LOWESS lokalna regresija
LOESS (lokalno procenjeno izglađivanje skatereplota), koji su uveli William Cleveland 1979. godine, a proširili ga sa Susan Devlin 1988. godine, prilagođava glatku krivu podacima izvodeći zasebnu ponderisanu polinomijalnu regresiju u okolini svake tačke. Bliske opservacije imaju veću težinu od udaljenih, tako da metoda prati lokalnu strukturu bez pretpostavke o globalnom funkcionalnom obliku, što je čini popularnim izraznim izglađivačem za skatereplote.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/sr/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.
- Generalizovani aditivni model (GAM)Mašinsko učenje↔ compare
- Polinomijalna regresijaStatistika↔ compare
- Regression SplinesMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →