ГАМ против проигрыша против сплайнов

Контекст : Я хочу , чтобы нарисовать линию в диаграмме рассеяния , что не появляется параметрическими, поэтому я использую geom_smooth()в ggplotв R. Он автоматически возвращает geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the smoothing method.я понимаю, что GAM обозначает обобщенные аддитивные модели, и использует кубический сплайн.

Правильны ли следующие представления?

Лесс оценивает ответ на конкретные значения.
Сплайны - это аппроксимации, которые соединяют различные кусочные функции, которые соответствуют данным (которые составляют обобщенную аддитивную модель), а кубические сплайны - это особый тип сплайна, используемый здесь.

Наконец, когда следует использовать сплайны, когда использовать LOESS?

r gam splines loess r data-visualization boxplot mathematical-statistics theory sufficient-statistics machine-learning classification correlation svm feature-selection probability stochastic-processes machine-learning reinforcement-learning

— Эндрю Мардерштейн
источник

если gamфункция является одной из пакета gam, она фактически будет выполнять как сплайны, так и локальное полиномиальное сглаживание; LOESS - это конкретная реализация локального полиномиального сглаживания с добавлением некоторого дополнительного материала (например, уменьшения больших остатков).

— Glen_b

Что наиболее важно, так это количество эффективных степеней свободы, которые вы даете каждому подходу. Для непараметрических сглаживателей, таких как лёсс, это контролируется полосой пропускания, тогда как для сплайнов регрессии df более очевидны, и один df тратится на каждый добавленный узел. И лесс, и сплайны оценивают отношения между $X$ и $Y$ , Сплайны являются более общими в том смысле, что они могут использоваться в большем разнообразии контекстов.

— Фрэнк Харрелл
источник