局部回归预测法

局部回归预测法（local regression prediction），管理学-管理科学与工程-预测理论与方法-相关分析预测法-联立方程组预测法-局部回归预测法，在每次预测新样本时，利用该样本附近的观测集合来拟合出一个低阶多项式，从而预测出本解释变量的取值。又称局部加权多项式回归方法。一种非参数回归建模方法。多项式的拟合使用加权最小二乘方法，与被预测样本点距离越近的观测，被赋予更多的权重。当全部待预测样本点都按照上述过程计算一遍后，局部回归拟合结束。局部回归能够克服普通线性回归欠拟合的情况。该方法最早由W.S.克利夫兰（W.S. Cleveland）提出，后来又进一步发展和完善。为了克服离群点的影响，克利夫兰还提出了一种稳健的局部回归方法。局部回归是一种计算密集型的回归拟合方法，对机器的运算能力要求较高。在互联网时代，随着计算机技术的不断进步和计算能力的不断增强，局部回归已经成为较为常用的机器学习方法之一。局部回归一共涉及3个参数，分别是窗宽、局部多项式次数及权重方程。该回归方法使用近邻法则从整个样本中提取每次拟合所用数据。