如何利用局部平滑的均值进行预测？

Question

(这里的统计初学者)。

我有一些训练数据(x，y)，并希望对新数据x_new进行预测。

现在假设我有下面这幅图的数据，但是我不知道y是如何计算的。因此，我想使用数据，我有一个计算，对任何给定的x，即y数据的局部平均值，因为这似乎是我所能做的最好的猜测。

install.packages("gplots")
library("gplots")

x <- abs(rnorm(500))
y <- rnorm(500, mean=2*x, sd=2+2*x)
bandplot(x,y)

​

​

对于给定的x，是否有一个R函数来预测y，使用局部平滑的平均值(这里用红色表示，这是函数带图)，还是类似的东西？

Answer 1

wapply从图解返回局部平滑的平均值，作为x和y的表。

x <- 1:1000
y <- rnorm(1000, mean=1, sd=1 + x/1000 )
wapply(x,y,mean)

要预测，我想，需要解析wapply返回的表中最接近的x，然后推导y的局部平均值。

对于a值，最接近的x将由索引来表示：

index = which(abs(wapply(x,y,mean)$x-a)==min(abs(wapply(x,y,mean)$x-a)))

那么预测应该是：

pred = wapply(x,y,mean)[index]

因此，在一行中：

locally_smoothed_mean_prediction = function(a) wapply(x,y,mean)$y[which(abs(wapply(x,y,mean)$x-a)==min(abs(wapply(x,y,mean)$x-a)))]
> locally_smoothed_mean_prediction(600)
[1] 1.055642