请教gam和loess的优缺点

11014

收藏 2011-05-08

这里有两种非参数统计方法经常被使用，gam（广义可加模型）和loess（局域回归模型，或者lowess）。

我的问题是这两者有什么区别和联系？

似乎gam可以融入一些含有参数模型，这是它的唯一的优点吗？

请高手指正。

同时还有一个小问题，广义可加模型对每个自变量进行拟合，它的若干子图中，都是有离散点的，是不是使用每个自变量对因变量进行预拟合，然后再选用多个自变量对因变量进行拟合？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

ltx5151

2011-5-9 16:04:05

呃，可以说lowess是GAM的一种特殊情况，这就联系和区别了，子集关系。
所以，lowess有的优点，可以说GAM都包含了，而GAM中的可以选用别的方法来克服掉很多lowess难以处理的困难。比如，lowess是一种是用直接直接是在局部使用kernel的方法，通常可以比较灵活的处理低维数据。但是当数据维数升高时，等价的kernel很很难保持局部性质,这是curse of dimensionality的一种体现。而GAM里面就有其他方式可以更好的处理这种情况。

但是，没有任何一种方式是万能，具体的效果好坏往往取决于数据本身的性质。