普通线性回归损失函数:
局部加权回归损失函数:
根据每个不同的样本,加上不同的权重: wi
根据要预测的点和数据集中的点的距离,来为数据集中的点赋权重。
某点离要预测的点越远,其权重越小,否则越大。
两个点离得无限远,那么wi越趋向于0。
两个点重合的时候,那么wi=1
该函数称为指数衰减函数,其中σ为波长函数,它控制了权值随距离下降的速度。
注意: 使用该方式主要应用到样本之间的相似性考虑,主要内容在SVM中再进一步介绍
普通线性回归损失函数:
局部加权回归损失函数:
根据每个不同的样本,加上不同的权重: wi
根据要预测的点和数据集中的点的距离,来为数据集中的点赋权重。
某点离要预测的点越远,其权重越小,否则越大。
两个点离得无限远,那么wi越趋向于0。
两个点重合的时候,那么wi=1
该函数称为指数衰减函数,其中σ为波长函数,它控制了权值随距离下降的速度。
注意: 使用该方式主要应用到样本之间的相似性考虑,主要内容在SVM中再进一步介绍