局部加权线性回归（Locally weighted linear regression）

Locally Weighted Linear Regression

局部加权线性回归是一种non-parametric learning algorithm。线性回归算法主要根据已有的训练样本，计算出选择的特征的权重值，并根据计算出的权重值去估算预测结果，这种方法对特征的选择要求比较高，需要去判断和分析选择的特征。不同于线性回归算法，局部加权回归算法主要是针对每次的预测值，选择确定的领域，计算相对应的权值，进而做出估算。

主要步骤：

1、确定领域，计算输入变量的权重值；

2、选择合适的参数sita的个数，并计算参数sita；

3、根据计算得出的sita，估算预测值；

优点：1 相比线性回归算法，特征选择的重要性不是那么大；并且实际问题中t对特征的选择，往往并不是那么简单；

            2 每次预测都根据原有的训练样本去重新学习计算权值，使得数据本身自适应性比较好，预测精度可能更好；

缺点：每次预测都需要通过已有的训练样本重新学习，并计算权值，计算量比较大；