Antworten:
Ich halte es für wichtig, zwischen Methoden und deren Implementierung in Software zu unterscheiden. Der Hauptunterschied gegenüber dem ersten besteht darin, dass bei Lowess nur ein Prädiktor zulässig ist, wohingegen Loess verwendet werden kann, um multivariate Daten in eine Art Oberfläche zu glätten. Es gibt Ihnen auch Konfidenzintervalle. Löss ist in diesem Sinne eine Verallgemeinerung. Während die Standardeinstellung für Lowess die Verwendung der Tricube-Gewichtung ist, führt Loess standardmäßig eine ungewichtete Anpassung durch.
Nun zur Implementierung. In einigen Programmen verwendet lowess ein lineares Polynom, während loess ein quadratisches Polynom verwendet (obwohl Sie das ändern können). Die Standardeinstellungen und Verknüpfungen, die die Algorithmen verwenden, sind oft sehr unterschiedlich, so dass es schwierig ist, die univariaten Ausgaben genau aufeinander abzustimmen. Andererseits ist mir kein Fall bekannt, in dem die Wahl zwischen beiden einen wesentlichen Unterschied machte.
Speziell für R ist der Unterschied gering. Hier finden Sie eine sehr ausführliche Erklärung: https://support.bioconductor.org/p/2323/
Beachten Sie jedoch, dass lowess () in R eine Datenliste ausgibt, während loess () das Modell ausgibt, das in predict () eingegeben werden kann.