import numpy as np
import matplotlib.pyplot as plt
from numpy.linalg import inv

# ... [Ваш текущий код до определения функции nadaraya_watson]

def lawless_regression(X_train, y_train, x, h):
    weights = np.exp(-((X_train - x)**2) / (2 * h**2))
    W = np.diag(weights.ravel())
    A = np.vstack([X_train.T, np.ones(len(X_train))]).T
    AW = A.T.dot(W)
    theta = inv(AW.dot(A)).dot(AW.dot(y_train))
    return x * theta[0] + theta[1]

# ... [Остальная часть вашего кода для непараметрической регрессии]

plt.figure(figsize=(24, 8))

# Отображение результатов метода Надарая-Ватсона
plt.subplot(1, 2, 1)
# ... [Код для отображения результатов метода Надарая-Ватсона]

plt.title('Непараметрическая регрессия: Метод Надарая-Ватсона')

# Отображение результатов метода Лоулесса
plt.subplot(1, 2, 2)
for h in h_values:
    y_pred = np.array([lawless_regression(X, y, x, h) for x in X_test])
    plt.plot(X_test, y_pred, label=f'h = {h}')

plt.scatter(X, y, color='k', label='Исходные данные')
plt.xlabel('X')
plt.ylabel('y')
plt.title('Непараметрическая регрессия: Метод Лоулесса')
plt.legend()
plt.show()