: > 照理说loess不是经由权重就能消除特异值吗? (Q2) : 检查一下你的 loess 计算程序吧! : 当你只考虑小范围配适直线时, 即使偶而会有某些点残差 : 比考虑大范围来得大, 但那不会是正常趋势, 而且整体而 : 言(整组资料配适结果)当然是考虑小范围的平均(广义的) : 残差较小. 极端情形例如以两个点配适直线, 那完全没有 : 残差. 我有去检查我的计算程序，确定我的运算是正确的 目前我在是推测残差值的产生可能是因为 当被化分为同一群的x变数可是有几个对应的y值差异很大 所以可能当span=1时其配适结果算不错，但当span变小的话 改变的配适的结构，所以导致残差变大， 这些是我在猜的部分，目前还在做资料的确认... : > 我有查到说当span取太大，会让误差变大；取太小的话会让变异数变大 : > (不知能否解释Q1) : > 那如果帮我不小心把span设太小的话，是不是就变成过度配式的问题啊? (Q3) : 哪有 "不小心设太小" 的事? : 如果你缩小 span 至仅用两个点做局部直线配适, 使得残 : 差完全是 0(除非在同一位置有重复反应观测值), 能说是 : "不小心" 吗? span 愈小则配适值愈接近观测值, 也就是 : 愈可能把误差当趋势, 这就是过度配适问题. 另一方面, : span 愈大则趋势线愈平滑,也就是不重要的趋势就被当做 : 误差处理. span 的选择是在平滑度与观测值之间做取舍, : 是采用这类方法的一个重要决策问题, 哪能以 "不小心" : 来解释抉择失当? 痾...我这边所指的不小心是指在选模过程中的调整span值的阶段 不好意思用错文字叙述造成版友的误解 : > 以及若是从统计角度去看的话，这样再选取span时要考虑到误差跟变异数 : > ，有什麽比较好的方法能够决定是要依哪一项为主呢 ? : > 谢谢各位帮我解惑了 : 对 loess 方法不够了解时,我绝不会以它为主要方法! 既 : 要用一种方法, 就该用心去了解! 我後来决定用误差来当做我选模的依据，主要是考量我的模式是要用来做预测的 之前决定用这方法来分析时完全没想到这方法的相关资料不好找 再加上时间有点急迫，所以还对他一知半解的就硬着头皮上了 才导致现在问题一堆，不过幸好还有板友愿意指点我，真是万分感谢啊~~ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.120.190.49