| 所在主题： | |
| 文件名: Yamamura et al. 2006.pdf | |
| 资料下载链接地址: https://bbs.pinggu.org/a-905976.html | |
| 附件大小: | |
|
这里有两种非参数统计方法经常被使用，gam（广义可加模型）和loess（局域回归模型，或者lowess）。
我的问题是这两者有什么区别和联系？ 似乎gam可以融入一些含有参数模型，这是它的唯一的优点吗？ 请高手指正。 同时还有一个小问题，广义可加模型对每个自变量进行拟合，它的若干子图中，都是有离散点的，是不是使用每个自变量对因变量进行预拟合，然后再选用多个自变量对因变量进行拟合？ |
|
熟悉论坛请点击新手指南
|
|
| 下载说明 | |
|
1、论坛支持迅雷和网际快车等p2p多线程软件下载，请在上面选择下载通道单击右健下载即可。 2、论坛会定期自动批量更新下载地址,所以请不要浪费时间盗链论坛资源,盗链地址会很快失效。 3、本站为非盈利性质的学术交流网站,鼓励和保护原创作品，拒绝未经版权人许可的上传行为。本站如接到版权人发出的合格侵权通知，将积极的采取必要措施；同时，本站也将在技术手段和能力范围内，履行版权保护的注意义务。 (如有侵权，欢迎举报) |
|
京ICP备16021002号-2 京B2-20170662号
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
