スーパースムーザとして知られている平滑化手法は,データ数が多い場合やデータの振る舞いが局所的に大きく変化する場合には充分な結果を与えない.そこで,ローカルクロスバリデーションによる予測誤差を,推定値を求める点の近隣の重みが大きくなるように重み付き平均し,その値を最小にするように局所的な平滑化パラメータの値を最適化するアルゴリズムを提案する.そのとき,近隣の範囲を示す広がりの大きさを,推定値の全体的な予測誤差の大きさを最小にするように最適化する.シミュレーションデータを利用した結果は,この方法が従来法よりも優れた結果をもたらすことを示している.
