Какие существуют методы непараметрической регрессии?

Некоторые методы непараметрической регрессии:

• Регрессия ядра. 3 Использует функцию ядра для оценки условного ожидания зависимой переменной при каждом значении независимой переменной. 3 Функция ядра назначает веса соседним точкам данных на основе их расстояния от интересующей точки. 3
• Локальная регрессия. 3 Соответствует отдельной кривой небольшому району каждой точки данных. 3 Размер соседства определяется параметром настройки, называемого полосой пропускной способности. 3
• Регрессия сплайна. 3 Соответствует кусочно-полиномиальной функции для данных. 3 Полиномиальная функция создаётся путём объединения нескольких меньших полиномиальных функций, называемых сплайнами. 3
• Регрессия K-ближайших соседей. 3 Оценивает значение целевой переменной на основе значений её ближайших соседей. 3 Значение K определяет количество соседей, которые используются для оценки целевой переменной. 3
• Регрессия гауссовского процесса (кригинг). 4 Для кривой регрессии предполагается гауссовский априор. 4 Предполагается, что ошибки имеют многомерное нормальное распределение, а кривая регрессии оценивается по её апостериорному виду. 4