Kernel Regression 核回归 详细讲解

Kernel Regression 核回归 详细讲解

传统的线性回归只能拟合一条直线，核回归作为拟合非线性模型的一种方法，本质是利用核函数作为权重函数来建立非线性回归模型的。
先总结一下核回归的结论：
利用核函数计算出$x_i$在$x$处的权重为：$$w_i=\frac{K(x,x_i)}{{\sum }_{i=1}^{N}K(x,x_i)}$$
$x_i$(观测数据点，也就是我们的数据集中的点)，$x$(要预测的点)
则在$x$处预测的$y$值为所有$y_i$的加权和： $$y=\sum _{i=1}^N{w}_i\ast y^{}$$