我试图了解该predict.loess
函数如何能够在原始数据中不存在的y_hat
点处计算新的预测值 ( ) 。x
例如(这是一个简单的例子,我意识到这种例子显然不需要黄土,但它说明了这一点):
x <- 1:10
y <- x^2
mdl <- loess(y ~ x)
predict(mdl, 1.5)
[1] 2.25
loess
回归通过在每个处使用多项式来工作x
,因此它y_hat
在每个处创建一个预测值y
。但是,由于没有存储系数,因此在这种情况下,“模型”只是用于预测每个 的详细信息y_hat
,例如span
or degree
。当我这样做的时候predict(mdl, 1.5)
,如何predict
能够在这个新产品上产生价值x
?它是否在两个最接近的现有x
值及其相关值之间进行插值y_hat
?如果是这样,它是如何做到这一点的背后的细节是什么?
我已经cloess
在线阅读了文档,但无法找到它讨论这个的地方。