在波士顿房价预测中对梯度下降算法，非参数回归，多种机器学习算法的比较

在波士顿房价预测中，我们可以使用多种机器学习算法进行比较，如线性回归、决策树、随机森林、支持向量机等。

在使用这些算法时，我们可以使用梯度下降算法来进行优化，以提高模型的准确性。梯度下降算法是一种通过不断调整参数来最小化损失函数的优化算法。

另外，我们还可以使用非参数回归算法，如KNN回归和局部加权线性回归（LWLR）等。这些算法不需要对数据进行假设，可以更好地适应不同的数据分布，但是计算复杂度较高。

在比较各种算法时，我们可以通过交叉验证等方法来评估模型的性能。一般来说，随机森林和支持向量机等算法在波士顿房价预测中表现较好，而KNN回归和LWLR等非参数回归算法则需要更多的计算资源。