Löss mit neuen x-Werten vorhersagen
Ich versuche zu verstehen, wie das gehtpredict.loess
Funktion ist in der Lage, neue vorhergesagte Werte zu berechnen (y_hat
) an Punktenx
die in den Originaldaten nicht vorhanden sind. Zum Beispiel (dies ist ein einfaches Beispiel und ich erkenne, dass Löss für ein Beispiel dieser Art offensichtlich nicht benötigt wird, aber es veranschaulicht den Punkt):
x <- 1:10
y <- x^2
mdl <- loess(y ~ x)
predict(mdl, 1.5)
[1] 2.25
loess
Regression funktioniert durch Verwendung von Polynomen an jedemx
und so schafft es eine vorhergesagtey_hat
bei jedemy
. Da jedoch keine Koeffizienten gespeichert sind, sind das "Modell" in diesem Fall einfach die Details dessen, was zur Vorhersage der einzelnen verwendet wurdey_hat
zum Beispiel diespan
oderdegree
. Wenn ich es tuepredict(mdl, 1.5)
, wie istpredict
in der Lage, einen Wert an diesem neuen zu produzierenx
? Interpoliert es zwischen zwei nächstliegendenx
Werte und ihre damit verbundeneny_hat
? Wenn ja, welche Details stecken dahinter?
Ich habe das gelesencloess
Dokumentation online, aber ich kann nicht finden, wo es dies bespricht.