locally weighted regression:
terminologys:
parametric learning:有具体的参数θ,和数据多少无关(比如线性回归)。
non-paramatric learning:没有具体的参数,需要的内存会线性增长。
如果是一个曲线,如何进行拟合?线性回归可能误差很大,当然可以采用feature selection选择二次或者三次函数指数函数这样的进行拟合,但是曲线变的很扭曲,怎么选择feature?
采用局部加权回归,终点放在预测点的旁边,给予较大的权重,其他的地方权重降低。
类似下面这张图,他权重的分配有一点像正态分布,很远的地方权重几乎是零。 其中的tau决定权重曲线的宽度。它的选择很有技巧,可以看到tao越大拟合越平滑。有很多论文。局部回归通常是作用于小数据集,并且难以判断曲线类型。