在Python中使用LOESS/LOWESS时，如何为数据点设置权重？

Statsmodels库的sm.nonparametric.lowess函数支持通过weights参数传入自定义数据点权重，直接实现你的需求。

修改后的示例代码 #

import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt

# 创建数据
x = np.random.uniform(low=-2*np.pi, high=2*np.pi, size=500)
y = np.sin(x) + np.random.normal(size=len(x))

# 创建自定义权重（1到4的整数，模拟不同数据点的重要性）
weights = np.random.randint(1, 5, size=500)

# 带权重的LOWESS拟合
lowess = sm.nonparametric.lowess
# 传入weights参数，指定每个数据点的权重
z_weighted = lowess(y, x, weights=weights)
z_unweighted = lowess(y, x)  # 无权重版本用于对比

# 绘图对比
plt.figure(figsize=(12, 6))
# 用点的大小可视化权重：权重越大，点越大
plt.scatter(x, y, s=weights*10, label='Data (size = weight)', alpha=0.5)
plt.plot(z_unweighted[:, 0], z_unweighted[:, 1], label='LOWESS (unweighted)', color='red')
plt.plot(z_weighted[:, 0], z_weighted[:, 1], label='LOWESS (weighted)', color='blue', linestyle='--')
plt.legend()
plt.show()

关键说明 #

• weights参数接受一个与输入数据长度相同的数组，每个元素对应一个数据点的权重值，数值越大表示该点在局部回归中的优先级越高。
• 示例中用点的大小直观展示权重差异，你可以根据实际业务需求调整权重的生成逻辑。

内容的提问来源于stack exchange，提问作者jss367