Алгоритм LOWESS
Материал из MachineLearning.
(Различия между версиями)
Строка 1: | Строка 1: | ||
+ | {{stop| | ||
+ | '''Статья плохо доработана.'''<br/> | ||
+ | Имеются указания по её улучшению:<br/> | ||
+ | [[Изображение:Edit1.jpg|||100px]][[Изображение:Edit2.jpg|||100px]] | ||
+ | }} | ||
'''Алгоритм LOWESS''' ''(locally weighted scatter plot smoothing)'' - локально взвешенное сглаживание. | '''Алгоритм LOWESS''' ''(locally weighted scatter plot smoothing)'' - локально взвешенное сглаживание. | ||
Версия 20:32, 23 января 2009
Статья плохо доработана. |
Алгоритм LOWESS (locally weighted scatter plot smoothing) - локально взвешенное сглаживание.
Содержание |
Вход
- обучающая выборка
Выход
Коэффициенты
Алгоритм
1: инициализация
2: повторять 3: вычислить оценки скользящего контроля на каждом объекте:
4: вычислить коэффициенты :
- ;
5: пока коэффициенты не стабилизируются
Коэффициенты , как и ошибки , зависят от функции , которая, в свою очередь, зависит от . Разумеется, это не "порочный круг", а хороший повод для организации итерационного процесса. На каждой итерации строится функция , затем уточняются весовые множители . Как правило, этот процесс сходится довольно быстро.
Литература
- Воронцов К.В. Лекции по алгоритмам восстановления регрессии. — 2007.