GAM vs LOESS vs 스플라인

컨텍스트 : 매개 변수로 표시되지 않는 산점도에 선을 그리려면에서를 사용 geom_smooth()하고 ggplot있습니다 R. 자동으로 반환 geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the smoothing method.내가 GAM이 일반화 된 첨가제 모델을 의미 수집하고 그것은 입방 스플라인을 사용합니다.

다음과 같은 인식이 맞습니까?

Loess는 특정 값으로 응답을 추정합니다.
스플라인은 데이터에 맞는 여러 가지 조각 함수를 연결하는 근사치이며 (일반화 된 가산 모델을 구성 함) 큐빅 스플라인은 여기에서 사용되는 특정 유형의 스플라인입니다.

마지막으로 언제 스플라인을 사용해야합니까, 언제 LOESS를 사용해야합니까?

r gam splines loess r data-visualization boxplot mathematical-statistics theory sufficient-statistics machine-learning classification correlation svm feature-selection probability stochastic-processes machine-learning reinforcement-learning

— 앤드류 마더스 타인
소스

gam함수가 패키지 의 함수 인 경우 gam실제로 스플라인과 로컬 다항식 스무딩을 모두 수행합니다. LOESS는 추가 잔량을 추가하는 등의 추가 항목이 포함 된 로컬 다항식 스무딩의 특정 구현입니다.

— Glen_b-복지 주 모니카

가장 중요한 것은 각 접근법에 부여하는 유효 자유도의 수입니다. 황토와 같은 비모수 적 평 활기의 경우 대역폭에 의해 제어되는 반면 회귀 스플라인의 경우 df가 더 명확하고 추가 된 각 매듭에 대해 하나의 df가 사용됩니다. 황토와 스플라인은 모두 와 사이의 관계를 추정 합니다. 스플라인은 더 다양한 상황에서 사용될 수 있다는 점에서 더 일반적입니다. $X$ $Y$

— 프랭크 하렐
소스