如果用线性回归的话可能找到的线性方程式这样的:
这显然不能准确的描述数据的特征.
局部加权回归可以解决上述问题核心思想是只使用预测点附近的数据进行建模这样的话模型可以很好的表达曲线上每一处的特性.
最后可以得到线性方程的参数:
如果你对线性回归不了解的话可以看我的另一篇文章线性回归.
\omega 的方程式这个样子的:
离x越近的地方权值会越大离x越远的地方权值会越小.这样我们就通过权值来选取到x附近的数据. \tau 决定权值函数开口的大小.权值函数与正太分布没有关系只是样子像正太分布而已它只是一个指数函数.你也可以换成其他的函数不过普遍认为指数函数比较合理.