稳健回归方法，如LOWESS，能够平滑线性和非线性数据的局部加权散点图，并增强趋势检测能力。

简介：
LOWESS，即局部加权散点图平滑，无需依赖 MATLAB 中的统计工具箱。 这种回归方法能够捕捉 X 和 Y 之间既有线性关系，也有非线性关系的复杂模式。 12月19日更新：新增了上下限的 LOWESS 平滑功能，这些额外的平滑效果直观地展示了 Y 值随 X 值的变化趋势。 具体而言，这些平滑是通过分别对正残差和负残差应用 LOWESS 方法，再将其结果叠加到原始数据的 LOWESS 图上实现的。 同样地，用于上限和下限的平滑因子保持一致。 2月21日更新：引入排序功能，数据无需事先进行排序操作。 同时，也添加了一个程序，当用户同时提供两个数据集时，它会采用线性插值方法确定最低预测值，并用于预测所提供的 x 值对应的 y 值。 2009年10月27日更新：对第二个用户提供的 X 数据进行了调整，以优化预测结果的准确性。 MATLAB 函数默认情况下采用排序方式进行处理。值得注意的是，在代码中实际执行 x 数据线性插值的时，并不需要用到基于 y 值预测的 LOWESS 结果。 如果用户未提供第二个 x 数据集，则系统将保持默认行为。