- 【问题】线性回归就是为了预测,我们需要知道大量训练数据并全部加入运算计算出合适的拟合函数,但如果我们的目标是只需要X0一处或几处的值,且计算能力有限无法支持全部数据量的运算,也就是全局线性回归无法实现,那么该怎么办呢?
- 【方法】这时我们就需要一种即时处理手段:局部加权回归——是利用未知点附近的一小片已知点进行线性拟合。
-
取X0附近一小片点集 ((x(1),y(1)),(x(2),y(2)),...,(x(m),y(m))) (字母表示一切照旧不再赘述)作为训练集,我们需要寻找 θ 使得下式最小∑iw(i)(y(i)−θTx(i))2,w(i)=exp(−(x(i)−x)at2)
if|x(i)−x|sosmall,w(i)≈1,if|x(i)−x|solarge,w(i)≈0w(i) 如下图:
只要 w(i) 符合上述两个特征即可。
接下来,我们就可以按照线性回归的方法将 θ 计算出来即可。 - 【优缺点】这个方法适用于数据量大却又没有计算能力且需求不高(仅需要X0等几处值)的时候,但每个
x(i) 都需要重新计算参数 θ <script type="math/tex" id="MathJax-Element-9">θ</script>,非常麻烦,因此如果条件允许,还是使用完整地线性回归比较好。
【线性回归笔记】局部加权回归
最新推荐文章于 2024-05-15 10:31:05 发布