: > 照理說loess不是經由權重就能消除特異值嗎? (Q2) : 檢查一下你的 loess 計算程序吧! : 當你只考慮小範圍配適直線時, 即使偶而會有某些點殘差 : 比考慮大範圍來得大, 但那不會是正常趨勢, 而且整體而 : 言(整組資料配適結果)當然是考慮小範圍的平均(廣義的) : 殘差較小. 極端情形例如以兩個點配適直線, 那完全沒有 : 殘差. 我有去檢查我的計算程序，確定我的運算是正確的 目前我在是推測殘差值的產生可能是因為 當被化分為同一群的x變數可是有幾個對應的y值差異很大 所以可能當span=1時其配適結果算不錯，但當span變小的話 改變的配適的結構，所以導致殘差變大， 這些是我在猜的部分，目前還在做資料的確認... : > 我有查到說當span取太大，會讓誤差變大；取太小的話會讓變異數變大 : > (不知能否解釋Q1) : > 那如果幫我不小心把span設太小的話，是不是就變成過度配式的問題啊? (Q3) : 哪有 "不小心設太小" 的事? : 如果你縮小 span 至僅用兩個點做局部直線配適, 使得殘 : 差完全是 0(除非在同一位置有重複反應觀測值), 能說是 : "不小心" 嗎? span 愈小則配適值愈接近觀測值, 也就是 : 愈可能把誤差當趨勢, 這就是過度配適問題. 另一方面, : span 愈大則趨勢線愈平滑,也就是不重要的趨勢就被當做 : 誤差處理. span 的選擇是在平滑度與觀測值之間做取捨, : 是採用這類方法的一個重要決策問題, 哪能以 "不小心" : 來解釋抉擇失當? 痾...我這邊所指的不小心是指在選模過程中的調整span值的階段 不好意思用錯文字敘述造成版友的誤解 : > 以及若是從統計角度去看的話，這樣再選取span時要考慮到誤差跟變異數 : > ，有什麼比較好的方法能夠決定是要依哪一項為主呢 ? : > 謝謝各位幫我解惑了 : 對 loess 方法不夠了解時,我絕不會以它為主要方法! 既 : 要用一種方法, 就該用心去了解! 我後來決定用誤差來當做我選模的依據，主要是考量我的模式是要用來做預測的 之前決定用這方法來分析時完全沒想到這方法的相關資料不好找 再加上時間有點急迫，所以還對他一知半解的就硬著頭皮上了 才導致現在問題一堆，不過幸好還有板友願意指點我，真是萬分感謝啊~~ --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.120.190.49