Локальна регресія LOESS / LOWESS
LOESS (локально оціненне згладжування розсіювання), запроваджене Вільямом Клівлендом у 1979 році та розширене Сьюзан Девлін у 1988 році, будує гладку криву через дані, виконуючи окрему зважену поліноміальну регресію в околі кожної точки. Близькі спостереження мають більшу вагу, ніж віддалені, тому метод відстежує локальну структуру, не припускаючи жодної глобальної функціональної форми, що робить його популярним згладжувачем для розсіювальних діаграм.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Local Regression (LOESS / LOWESS). ScholarGate. https://scholargate.app/uk/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.
- Узагальнена адитивна модель (GAM)Машинне навчання↔ compare
- Поліноміальна регресіяСтатистика↔ compare
- Регресійні та згладжувальні сплайниМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →