R 如何使用局部平滑平均值进行预测？

（这里是统计初学者）

我有一些训练数据（x，y），希望对新数据x_new进行预测

现在让我们假设我有下图的数据，但我不知道y是如何计算的。所以我想用我得到的数据来计算任意给定x，y数据的局部平均值，因为这似乎是我能做的最好的猜测

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

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

install.packages（“gplots”）
图书馆（“gplots”）
x
wapply
from将局部平滑平均值作为x和y的表格返回

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

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

这是否与以下问题相同：不，上述当前问题更一般。您链接到的另一个问题仅与带状图有关。请不要结束这个问题。（1）这个问题很常见。统计软件中的非参数函数很少有“预测”选项。我有点理解这背后的哲学，但也可能令人讨厌。（2） 这是一种软件问题（3）通常你只需要自己创建函数来提取值（4）我通常通过使用半参数模型来解决它（GAM，但我忘记了R GAM是否有预测选项）如果你提出相关问题，你应该明确说明。我认为最好是延伸你之前的问题，结束这个问题。
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