R의 황토와 R의 저음 기능을 사용하여 동일한 결과를 얻는 방법?

Question

loess을 사용하여 황토 피트의 결과를 lowess과 어떻게 재현 할 수 있습니까?

황토 코드 :

> data = data.frame(x=c(1,0.5,3,4,5,5.5,6,7), y=c(10, 25, 38, 44.5, 500, 550, 600, 705)) 
> fit = loess("y ~ x", data=data) 
> new_y = predict(fit, data$x) 
> new_y 
[1] 6.251022 28.272100 -2.840750 150.006042 481.927307 563.161187 640.825415 693.166150 

LOWESS 코드는 :

> new_fit = lowess(data, f=0.8) 
> new_fit 
$x 
[1] 0.5 1.0 3.0 4.0 5.0 5.5 6.0 7.0 

$y 
[1] -4.330119 38.931265 255.000000 400.000000 500.000000 550.241949 601.519903 704.247275 

결과는 매우 다릅니다. 주어진 값이 x 인 y에 맞는 새로운 값을 얻으려고합니다.

[1] -4.330119 38.931265 255.000000 400.000000 500.000000 550.241949 601.519903 704.247275 

어떻게 lowess 전화 loess 적합하고 x 값 predict 새로운 y 값에 대해 매우 유사한 결과를 제공하기를 다시 작성할 수 있습니다 : lowess가 제공하는 동안 loess는

[1] 6.251022 28.272100 -2.840750 150.006042 481.927307 563.161187 640.825415 693.166150 

을 준다? 감사.

Answer 1

왜 필요한가요?

일반적인 경우에는 생각하지 않습니다. 여기서 거의 동일한 결과를 제공하는 특정 케이스이지만, 마지막 값은 여전히 ​​어떤 이유로 상이한 :

fit1 <- loess(y~x,data=data,span=0.8,degree=1) 
predict(fit1) 
#[1] 19.08622 12.55692 37.93642 188.35019 401.53528 506.87040 591.41854 740.71060 

fit2 <- lowess(data$x,data$y,f=0.8,iter=0) 
fit2 

# $x 
# [1] 0.5 1.0 3.0 4.0 5.0 5.5 6.0 7.0 
# 
# $y 
# [1] 12.55692 19.08622 37.93642 188.35019 401.53528 506.87040 591.41854 741.12187 
#Note that lowess reorders by x. 

Answer 2

data = data.frame(x=c(1,0.5,3,4,5,5.5,6,7), y=c(10, 25, 38, 44.5, 500, 550, 600, 705)) 
fit = loess("y ~ x", data=data) 
new_y = predict(fit, data$x) 
plot(data$x , new_y) 
lines(lowess(data, f=0.8)$x, lowess(data, f=0.8)$y) 
# Obviously lowess with f=0.8 is giving different smoothing 

낮은 F 값

lines(lowess(data, f=0.8)$x, lowess(data, f=0.5)$y, col="red") 

에 비교

Answer 3

명백하게 그것이 할 수없는 이유는 두 함수가 두드러진 별개의 알고리즘을 사용한다는 것이고, 여기서 찾을 수있는 유일한 설명은 Brian Ripley가 여기에 있습니다 :

http://www.mail-archive.com/r-help@stat.math.ethz.ch/msg63623.html

"It is not possible: the algorithms differ considerably in their details. 

... 

In determining 'local' loess() uses a tricubic weighting, lowess() uses a 
uniform weighting (on reading the code)." 

문서가 만드는 분명히 기본과 유사하기 span/f 매개 변수를 선택하지만 다른 모든 매개 변수 때문에 별개의 스무딩의 두 가지 기능 사이의 상호 번역하지 않은하는 방법 알고리즘이 사용되었습니다.