bootstrap loess

Bootstrap Loess是一种非参数回归方法，结合了自助法（bootstrap）和局部加权回归（loess）。它用于解决回归问题，特别是在存在非线性关系和异方差性的情况下。

Bootstrap是一种统计方法，通过从原始数据集中有放回地抽取样本，生成多个自助样本集。每个自助样本集都与原始数据集具有相同的大小，但可能包含重复的观测值。通过对每个自助样本集进行回归分析，可以得到多个回归模型。

Loess（局部加权散点图平滑）是一种非参数的回归方法，它通过对每个数据点进行局部加权拟合来估计回归函数。Loess方法使用一个窗口来选择邻近的数据点，并根据其距离对它们进行加权。这样可以在不同的数据区域中拟合出不同的曲线形状，从而更好地适应非线性关系。

Bootstrap Loess结合了自助法和局部加权回归的优点。它通过对多个自助样本集进行Loess回归分析，得到多个回归模型。然后可以通过这些模型的平均值或其他统计量来获得更稳健和准确的回归结果。