目录
引言
你是一个班主任,你的班级新来了一位同学,你为他安排了座位;
座位周围的同学成绩有好有坏,你希望可以预测下次月考时新同学的成绩;
传闻近朱者赤近墨者黑,如果和好学生做的近成绩会更好一些,和成绩差的学生坐一起成绩可能会低一些,于是你期望通过新同学周围同学的成绩来估算新同学的成绩。
这可能不是一个很恰当的例子,但我们需要关注其中的思想:我们认为一个样本点会受到其周边的样本点的影响;
一、回归模型
那么,我们该如何定义这种‘影响’(influence)的大小呢?
比较直白的方法,我们通过距离(distance)来定义;和同学做的近一些,那么对他的影响就大一些,如果远一点,那么影响就小一些。
1.1核函数
这里,我们引入核函数(Kernel functions)来描述距离的影响:
这里我们用的是高斯核(Gaussian kernel)
这里的xi我们可以认为是我们‘远离’或‘靠近’的参考目标;
我们给定xi以后(这里设置为0)画出核函数的图像,发现他像极了正态分布
这验证了我
2万+



被折叠的 条评论
为什么被折叠?



