Radial Basis Function Network

#RBF Network 前面的一篇SVM中，最後的分割函數：

使用高斯核函數方式把數據維度擴展到無限維度進而獲得一條粗壯的分界線。 仔細看一下這個分割函數，其實就是一些Gaussian函數的線性組合，y就是增加的方向。 Gaussian函數還有另一個叫法——徑向基函數，這是由於這個base function的結果只和計算這個x和中心點xn的距離有關，與其餘的無關。 從其餘方面來看SVM，先構造一個函數：

那麼Z就是z的按列排序了，按照線性迴歸的解公式：

上述矩陣Z是一個方陣，大小是N，有多少箇中心點那麼就有多少個N。若是每個x都是不同的，那麼這個矩陣就是能夠逆的矩陣了，畢竟x是訓練數據，同樣的就沒有意義了。

化簡一下：

咱們以x1爲例子，那麼解就是：

這個結果對於咱們來講很是奇怪，若是這樣的話那麼對於全部的x都有：