Radial Basis Function Network

#RBF Network 前面的一篇SVM中，最后的分割函数：

使用高斯核函数方式把数据维度扩展到无限维度进而获得一条粗壮的分界线。 仔细看一下这个分割函数，其实就是一些Gaussian函数的线性组合，y就是增加的方向。 Gaussian函数还有另一个叫法——径向基函数，这是由于这个base function的结果只和计算这个x和中心点xn的距离有关，与其余的无关。 从其余方面来看SVM，先构造一个函数：

那么Z就是z的按列排序了，按照线性回归的解公式：

上述矩阵Z是一个方阵，大小是N，有多少个中心点那么就有多少个N。若是每个x都是不同的，那么这个矩阵就是能够逆的矩阵了，毕竟x是训练数据，同样的就没有意义了。

化简一下：

咱们以x1为例子，那么解就是：

这个结果对于咱们来讲很是奇怪，若是这样的话那么对于全部的x都有：