Nadaraya-Watson 平滑方法的 MATLAB 实现，蛮适合你用来时间序列或者其他连续型数据，尤其是那种数据看起来没什么规律、但你又想估一估趋势的场景。这个小工具不需要你指定函数形式，主要靠相邻数据的“邻里关系”来搞定预测。嗯，用的是高斯核加权平均，平滑效果还不错。

非参数回归的好处挺，不拘泥于函数模型，适合你拿来快速尝试复杂数据的潜在关系。smoothing.m率是核心脚本，里头该有读取数据、高斯核计算、结果输出这些功能。想自定义参数？应该也留了口子，你可以调整σ来控制平滑程度，想细腻就小点，想稳就大点。

要注意的是，这类核方法对参数还挺敏感，别直接丢默认值跑。调一下σ看看效果，找个合适的 balance 点。顺便看看license.txt，别误踩授权坑。

这工具用在金融时间序列、医学图像、游戏啥的都挺合适。比如做玩家行为，或者你有一组带噪的数据，想平滑一下再建模，拿它试一试挺方便。

你要是对相关内容感兴趣，也可以看看这些扩展阅读：

如果你正好在做时间序列平滑、图像去噪或者行为建模啥的，这个 Nadaraya-Watson 平滑小工具可以试试，配合 MATLAB 调参也方便。