Odpowiedzi:
Myślę, że ważne jest, aby odróżnić metody od ich implementacji w oprogramowaniu. Główną różnicą w stosunku do pierwszego jest to, że lowess pozwala tylko na jeden predyktor, podczas gdy less może być użyty do wygładzenia danych wielowymiarowych na pewnego rodzaju powierzchni. Daje również przedziały ufności. W tych zmysłach less jest uogólnieniem. Podczas gdy domyślnym ustawieniem lowess jest użycie ważenia trójkołowego, Loess domyślnie wykonuje dopasowanie nieważone.
Teraz do wdrożenia. W niektórych programach lowess używa wielomianu liniowego, natomiast lessess używa wielomianu kwadratowego (choć można to zmienić). Domyślne i skróty używane przez algorytmy są często całkiem różne, więc trudno jest dokładnie dopasować wyjścia jednowymiarowe. Z drugiej strony nie znam przypadku, w którym wybór między tymi dwoma istotnie zmienił się.
Różnica jest niewielka, szczególnie w przypadku R. Oto bardzo szczegółowe wyjaśnienie: https://support.bioconductor.org/p/2323/
Zauważ jednak, że lowess () na liście danych wyjściowych R, podczas gdy loess () wypisuje model, który można wprowadzić do przewidywania ().