kernel regression计算方法

Kernel Regression（核回归）是一种非参数回归方法，它的计算方法如下：

1. 首先，选择一个核函数K(x)，例如高斯核函数或者多项式核函数，作为样本点的权重函数。

2. 对于一个新的预测点x0，计算它与所有样本点xi之间的距离d(x0, xi)，然后将它们带入核函数K(x)中得到权重w(i)。

3. 对所有带有权重的样本点的y值求加权平均，即

y(x0) = (Σw(i)*y(i)) / (Σw(i))

其中，y(i)是第i个样本点的y值。

4. 得到预测值y(x0)作为预测点x0的输出。

这个方法的优点是对于非线性的数据建模效果好，缺点是需要选择合适的核函数和相应的参数（例如高斯核函数的带宽参数）才能得到较好的效果。