線性回歸就是對整個資料集進行訓練，就比如說擬合成一條直線，引數選擇所依據的標準就是
而區域性線性回歸是對要**的點的左右區域進行擬合，也就是根據它的周圍情況擬合成一條直線，而不是整個資料集。它是非引數學習方法，是因為不能確定引數的值，而是對於某個**，求得一組引數。引數隨著要**的x變化而變化。它的loss function是
這裡的w(i)
如果|x(i)-x|約等於0，這此時w(i)約等於1，如果|x(i)-x|很大，w(i)約等於0。也就是說，
對於離**樣本資料
區域性線性回歸
區域性加權緊接著上面的線性回歸中引數求解來繼續講吧。還是以上面的房屋 的 它的中心思想是在對引數進行求解的過程中，每個樣本對當前引數值的影響是有不一樣的權重的。比如上節中我們的回歸方程為 這個地方用矩陣的方法來表示 表示引數，i表示第i個樣本，h為在 引數下的 值 我們的目標是讓 最小，然後求出來 ...
線性回歸和區域性加權線性回歸
coding utf 8 import ccsql from numpy import def load data filename 讀取資料 numfeat len open filename readline split t 1 datamat labelmat fr open filename...
區域性加權線性回歸
簡單來說，這個過程其實是在先擬合出一條曲線，然後再用這個曲線去 需要 的點。但是如果這個曲線擬合得不好 或者說樣本資料含有大量噪音 那麼這個 結果就會很差。區域性加權線性回歸 對於乙個資料集合 x0,y0 x1,y1 xm,ym 我們 它在x點時對應的y值時，如果採用的是傳統的 線性回歸模型，那麼 ...