Yanıtlar:
Yöntemleri ve bunların yazılımdaki uygulamalarını ayırt etmenin önemli olduğunu düşünüyorum. İlki ile ilgili temel fark, lowess'in sadece bir öngörücüye izin vermesidir, oysa loess çok değişkenli verileri bir tür yüzeye pürüzsüzleştirmek için kullanılabilir. Ayrıca size güven aralıkları sağlar. Bu anlamda, lös bir genellemedir. Lowess için varsayılan tricube ağırlığını kullanmak olsa da, loess varsayılan olarak ağırlıksız bir uyum sağlar.
Şimdi uygulama için. Bazı yazılımlarda, lowess doğrusal bir polinom kullanırken, loess ikinci dereceden bir polinom kullanır (ancak bunu değiştirebilirsiniz). Algoritmaların kullandığı varsayılanlar ve kısayollar genellikle oldukça farklıdır, böylece tek değişkenli çıktıların tam olarak eşleşmesini sağlamak zordur. Diğer yandan, ikisi arasındaki seçimin önemli bir fark yarattığı bir durumun farkında değilim.
Özellikle R için fark küçüktür. Burada çok ayrıntılı bir açıklama var: https://support.bioconductor.org/p/2323/
Ancak Less () 'in lowess ()' in veri listesini, loess () ise predict () 'a girilebilen modeli çıkardığına dikkat edin.