局部加权线性回归(Locally weighted linear regression)的引入,使得特征的选择对于算法来说没那么重要。
局部加权回归在每一次预测新样本时都会重新确定参数,从而达到更好的预测效果。当数据规模比较大的时候计算量很大,学习效率很低。并且局部加权回归也不一定就能避免欠拟合。
局部加权线性回归(Locally weighted linear regression)的引入,使得特征的选择对于算法来说没那么重要。
局部加权回归在每一次预测新样本时都会重新确定参数,从而达到更好的预测效果。当数据规模比较大的时候计算量很大,学习效率很低。并且局部加权回归也不一定就能避免欠拟合。