GAM vs LOESS vs spline

Contesto : Voglio tracciare una linea in un grafico a dispersione che non appare parametrico, quindi sto usando geom_smooth()in ggplota R. Restituisce automaticamente 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.I GAM sta per modelli additivi generalizzati e usa una spline cubica.

Le seguenti percezioni sono corrette?

Loess stima la risposta a valori specifici.
Le spline sono approssimazioni che collegano diverse funzioni a tratti che si adattano ai dati (che compongono il modello di additivo generalizzato) e le spline cubiche sono il tipo specifico di spline utilizzato qui.

Infine, quando utilizzare le spline, quando utilizzare LOESS?

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

— Andrew Marderstein
fonte

se la gamfunzione è quella del pacchetto gam, eseguirà sia le spline sia il livellamento polinomiale locale; LOESS è un'implementazione particolare del livellamento polinomiale locale con alcune cose extra aggiunte (come il downweight di grandi residui).

— Glen_b

Ciò che conta di più è il numero di effettivi gradi di libertà che dai a ciascun approccio. Per i smoothers non parametrici come loess, questo è controllato dalla larghezza di banda, mentre per le spline di regressione i df sono più evidenti e uno df viene speso per ogni nodo aggiunto. Sia loess che le spline stanno valutando le relazioni tra $X$ e $Y$ . Le spline sono più generali nel senso che possono essere utilizzate in una maggiore varietà di contesti.

— Frank Harrell
fonte