Функции > Анализ данных > Аппроксимация кривой > Локализованная полиномиальная регрессия
Локализованная полиномиальная регрессия
loess(vx, vy, span) или loess(Mx, vy, span): возвращает вектор, используемый функцией interp для поиска набора полиномов второго порядка, которые лучше всего согласовываются с окружением значений данных x и y в vx и vy в отношении наименьших квадратов. Размер окружения управляется переменной span. Функция loess также может применяться для многомерной регрессии, где матрица Mxy из k независимых переменных и вектор зависимых значений vy используются, чтобы подогнать поверхности полинома второго порядка в k измерениях.
Реализация PTC Mathcad для loess представляет вариацию (с некоторой аппроксимацией, сделанной для ускорения) алгоритма, описанного в документе в W. S. Cleveland и C. L. Loader, Smoothing by Local Regression: Principles and Methods (Сглаживание с помощью локальной регрессии: принципы и методы (1996).
Аргументы
vx, vy являются векторами значений вещественных данных, имеющими одинаковую длину.
span является положительным вещественным числом, указывающим размер соседних данных. Используйте большие значения переменной span, когда поведение данных сильно различается на разных диапазонах переменной x. Хорошее значение по умолчанию для span = 0.75. Поскольку значение span увеличивается, функция loess становится эквивалентна полиному второго порядка.
Mx является матрицей вещественных значений данных. Каждой независимой переменной соответствует один столбец (k столбцов). rows(Mx) = rows(vy).
Было ли это полезно?