摘要： 1..一般回归：特征数小于样本数 1.1局部回归:利用高斯核，提高预测精度 高斯核中自定义k值取值，在对新数据预测时，值越高一般比低值预测效果好 缺点：增加计算量，局部加权回归每次必须在整个数据集上运行，为了做出预测，必须保存所有的训练数据 2.缩减系数来“理解”数据，特点是特征数大于样本数，矩阵X 阅读全文