所谓线性回归(linear regression)，就是根据训练数据找到一组参数w，利用 y = w*s 对新数据进行预测。
通常使用误差函数为平方误差：
使该误差最小化，求导令其导数为零求得系数w，利用矩阵可以表示为：
该过程成为普通最小二乘法(ordinary least squares，OLS)
由于OLS只能找到数据最佳拟合直线，所以应用有限。引入局部加权线性回归(Locally Weighted Linear Regression, LWLR)
给每个点赋予权重，误差函数为：
所谓线性回归(linear regression)，就是根据训练数据找到一组参数w，利用 y = w*s 对新数据进行预测。
通常使用误差函数为平方误差：
使该误差最小化，求导令其导数为零求得系数w，利用矩阵可以表示为：
该过程成为普通最小二乘法(ordinary least squares，OLS)
由于OLS只能找到数据最佳拟合直线，所以应用有限。引入局部加权线性回归(Locally Weighted Linear Regression, LWLR)
给每个点赋予权重，误差函数为：
道可道，非常道；名可名，非常名。 无名，天地之始，有名，万物之母。 故常无欲，以观其妙，常有欲，以观其徼。 此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。