局部加权线性回归(Locally weighted linear regression)
2014-04-19 00:28
501 查看
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;
相关文章推荐
- Locally weighted linear regression(局部加权线性回归)
- 局部加权线性回归(Locally weighted linear regression)
- 局部线性回归(Locally Weighted Linear Regression)
- 局部加权回归、欠拟合、过拟合(Locally Weighted Linear Regression、Underfitting、Overfitting)
- 局部权重线性回归(Locally weighted linear regression)
- 局部权重线性回归(Locally weighted linear regression)
- 局部权重线性回归(Locally weighted linear regression)
- Locally weighted linear regression局部加权线性回归
- Locally Weighted Linear Regression 局部加权线性回归-R实现
- 局部加权回归、欠拟合、过拟合(Locally Weighted Linear Regression、Underfitting、Overfitting)
- 局部加权回归、欠拟合、过拟合(Locally Weighted Linear Regression、Underfitting、Overfitting)
- 局部加权回归LOESS(locally weighted regression)
- Robust Locally Weighted Regression 鲁棒局部加权回归 -R实现
- 局部加权回归(Locally weighted linear regression)
- 局部加权回归(Locally weighted linear regression)
- 3 Locally weighted linear regression, logistic Regression
- 机器学习笔记(一)-局部加权回归(Locally weighted regression)LWR
- 机器学习系列-Locally weighted linear regression(2)
- Coursera公开课笔记: 斯坦福大学机器学习第四课“多变量线性回归(Linear Regression with Multiple Variables)”
- 线性回归例子(Linear Regression Example)