এখানে কিছু আর কোড / উদাহরণ রয়েছে যা আপনাকে একটি লোয়েস ফিট এবং একটি স্প্লাইন ফিটের জন্য ফিটগুলি তুলনা করতে দেয়:
library(TeachingDemos)
library(splines)
tmpfun <- function(x,y,span=.75,df=3) {
plot(x,y)
fit1 <- lm(y ~ ns(x,df))
xx <- seq( min(x), max(x), length.out=250 )
yy <- predict(fit1, data.frame(x=xx))
lines(xx,yy, col='blue')
fit2 <- loess(y~x, span=span)
yy <- predict(fit2, data.frame(x=xx))
lines(xx,yy, col='green')
invisible(NULL)
}
tmplst <- list(
span=list('slider', from=0.1, to=1.5, resolution=0.05, init=0.75),
df=list('slider', from=3, to=25, resolution=1, init=3))
tkexamp( tmpfun(ethanol$E, ethanol$NOx), tmplst )
আপনি এটি আপনার ডেটা দিয়ে চেষ্টা করতে পারেন এবং কোড পরিবর্তন করতে অন্য ধরণের বা বিকল্প ব্যবহার করতে পারেন। এছাড়াও আপনি তাকান করতে পারেন loess.demoকি ধুসর - হরিদ্রাভ রঙের মিহি মাটির স্তর যা রাইন algorythm করে ভাল করে বুঝতে জন্য TeachingDemos প্যাকেজের মধ্যে ফাংশন। নোট করুন যা আপনি লোয়েস থেকে দেখেন তা প্রায়শই দ্বিতীয় ইন্টারপোলেশন স্মুথিং (কখনও কখনও নিজেই একটি স্প্লাইন) এর সাথে লোমের সংমিশ্রণ হয়, loess.demoফাংশনটি আসলে স্মুথড এবং কাঁচা লোয়েস উভয়ই ফিট করে।
তাত্ত্বিকভাবে আপনি সর্বদা একটি স্প্লাইন খুঁজে পেতে পারেন যা আপনি চান হিসাবে আরও একটানা ক্রিয়াকলাপের সমান করে দেয় তবে এটি নটগুলির একটি সহজ পছন্দ রয়েছে যা কোনও ডেটা সেটের জন্য নির্ভরযোগ্যভাবে একটি লোয়েস ফিটের একটি ঘনিষ্ঠ সান্নিধ্য দেবে বলে সম্ভাবনা নেই।