我试图理解该predict.loess函数如何能够在原始数据中不存在的y_hat点处计算新的预测值()x.例如(这是一个简单的例子,我意识到这种类型的例子显然不需要黄土,但它说明了这一点):
x <- 1:10
y <- x^2
mdl <- loess(y ~ x)
predict(mdl, 1.5)
[1] 2.25
loess回归通过在每个处使用多项式来工作x,因此它y_hat在每个处创建预测y.但是,因为没有存储系数,所以在这种情况下的"模型"只是用于预测每个系数的细节y_hat,例如,span或degree.当我这样做时predict(mdl, 1.5),如何predict在这个新的产生价值x？它是在两个最近的现有x值之间进行插值y_hat吗？如果是这样,它的具体细节是什么？
我cloess在线阅读了这些文档但无法找到它的讨论内容.