kernel regression python代码

以下是Python中的一个示例代码，演示了如何使用核回归来拟合数据。

import numpy as np
import matplotlib.pyplot as plt

def kernel_regression(x, y, h):
    n = len(x)
    y_pred = np.zeros(n)
    for i in range(n):
        weights = np.exp(-(x - x[i])**2 / (2 * h**2))
        weights /= np.sum(weights)
        y_pred[i] = np.dot(weights, y)
    return y_pred

# 生成一些示例数据
np.random.seed(0)
x = np.linspace(0, 1, 100)
y = np.sin(2*np.pi*x) + np.random.normal(scale=0.1, size=100)

# 进行核回归拟合
h = 0.1
y_pred = kernel_regression(x, y, h)

# 可视化结果
plt.scatter(x, y, label='data')
plt.plot(x, y_pred, color='red', label='kernel regression')
plt.legend()
plt.show()

这段代码生成了一些带有噪声的正弦数据，并使用核回归拟合它们。拟合结果如下图所示：