使用 R 中的 lowess 函数预测新值答案

【问题标题】：Prediction at a new value using lowess function in R使用 R 中的 lowess 函数预测新值
【发布时间】：2016-10-08 11:35:40
【问题描述】：

我正在使用lowess 函数来拟合两个变量x 和y 之间的回归。现在我想知道新值x 的拟合值。例如，如何在以下示例中找到 x=2.5 处的拟合值。我知道loess 可以做到这一点，但我想重现某人的情节，他使用了lowess。

set.seed(1)
x <- 1:10
y <- x + rnorm(x)
fit <- lowess(x, y)
plot(x, y)
lines(fit)

【问题讨论】：

标签： r loess

【解决方案1】：

局部回归（lowess）是一种非参数统计方法，它不像线性回归，您可以直接使用模型来估计新值。

您需要从函数中获取值（这就是为什么它只返回一个列表给您），并选择您自己的插值方案。使用该方案来预测您的新点。

常见的技术是样条插值（但还有其他）：

编辑：我很确定 predict 函数会为您完成插值。我也找不到任何关于 predict 究竟使用什么的信息，所以我试图追踪源代码。

else { ## interpolate
## need to eliminate points outside original range - not in pred_

我确定 R 代码调用了底层 C 实现，但它没有很好的文档记录，所以我不知道它使用什么算法。

我的建议是：要么信任predict 函数，要么推出自己的插值算法。

【讨论】：

谢谢。在loess 中，您可以使用cars.lo <- loess(dist ~ speed, cars); predict(cars.lo, data.frame(speed = seq(5, 30, 1)), se = TRUE) 以新值x 获得预测。你碰巧知道这里使用的是什么插值方法吗？我在它的帮助文件中找不到它。
@PatrickLi 正如我所解释的，该函数正在为您进行插值。我正在看它使用什么方案，一旦找到，我会更新答案。
@PatrickLi 我试图追踪它，但没有完全成功。看看我的编辑。
非参数局部加权回归是一个完全有效的统计模型，就像参数回归一样。给定一组值 {y_i, X_i}，您可以为任何新的 X 值获得 y 的估计值。只是需要更多的工作来编写代码。
另一种解决方案在这里：stats.stackexchange.com/questions/126699/…