8.2 Locally weighted linear regression（LWLR）
对邻近的数据点加大权重，对远点减小权重。LWLR回归的预测曲线如下图：
顶部的图有些underfitting，底部的图有些overfittting。
下一个section会讲如何定量地（quantitatively）描述underfitting和overfittting
扫描二维码关注公众号，回复：
2623822 查看本文章
8.4 Shrinking coefficients to understand our data
引入原因是：when we have more features than data points, then we cannot matrix inverse to retrieve the regression results.
解决办法：总的来说是shrinkage methods. 而shrinkage methods包括两类：一是ridge regression或者lasso；二是forward stagewise regression，算法给出的结果也和lasso相近。
除了完成引入原因的问题外，shrinking还可以用于throw out some unimportant features
8.5 Bias-Variance tradeoff
中文翻译是偏差-方差，有篇文章解释的比较好：http://blog.csdn.net/qq_30490125/article/details/52401773
8.6.2
实例中有如何完成cross-validation的实现