1、1线性回归的目标是通过最小化误差平方和，找到一个最佳拟合线，从而对给定的自变量或特征进行预测线性回归模型通常表示为y=ax+b，其中a是斜率，b是截距模型假设响应变量y和自变量x之间存在一种线性关系，即y可以表示为a和x的加权和加上b2线性回归的概念非常直观，易于理解和应用它；局部加权线性回归法 对于一个数据集合x0，y0，x1，y1，#x22EF，xm，ym，我们预测它在x点时对应的y值时，如果采用的是传统的 线性回归模型，那么 但是对于 局部加权线性回归Locally Weighted Linear Regression来说，在一定程度上可以避免上述问题，但是会付出一些计算量的代价 局部加权线性回归Locally Weighted；处理多元线性回归中的异方差问题，可以采用加权最小二乘法以下是关于如何处理异方差及加权最小二乘法的详细解答1 异方差的判断 残差分析通过比较普通残差和标准化残差与预测值的散点图来判断是否存在异方差如果残差分布不随预测值变化，说明方差齐性较好否则，可能存在异方差现象2 加权。