非参数学习算法
参数数量随着训练集大小增长
Locally Weighted Regression(Loess)
简单来说就是事先不用确定参数数量(模型),
每次预测的时候,用指定的样本点周围的样本点进行临时训练,确定参数;
like this:
- 选定中心点
x
周围
n 个点 x(i),...x(n) - 定义 θ:[θ1,...,θn] , 训练 θ 最小化 ∑iw(i)(y(i)−θTx(i))2
其中权重 w(i) 一般这样设定:
w(i)=e−(x(i)−x)22τ2
权重的意义在于,离指定样本点近的点,权重更大;离指定样本点远的点,权重更小;
而其中 τ 为 bandwidth, 越大,权重向中心点两边扩散时下降越快。