知识卡片

普通读书笔记卡 · 9844.d · 生成模型:Hunyuan

RBF:任意精度的非线性拟合函数

理解等级:中级

当样本点像凹凸不平的山地时,一条直线无法贴合,需要一条能弯的曲线。多项式拟合提供了这条路:平面是一阶多项式,弯曲一次用二阶、两次用三阶,有几个弯曲就用几阶,这正是泰勒展开——用多项式逼近任意形状的非线性曲线。径向基函数(RBF,又称高斯函数)走得更远:1985 年 Powell 提出的多变量插值径向基函数法证明,它无需增加高次项就能对任意维度的离散与连续数据做插值和拟合,是一种适合大规模样本的非线性拟合函数,最早在计算机图形学的曲面重构中取得好效果。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第7章 预测的技术与哲学 · 查看原书依据

      1985年,Powell提出了多变量插值的径向基函数法,证明该函数可以应用于任意维度的离散和连续数据集中进行插值和拟合运算。径向基函数(Radical Basis Function,RBF)又称为RBF函数,或高斯函数,是一种适于大规模样本的非线性拟合函数。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第7章 预测的技术与哲学(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00025.html) - 结论依据:原文从山地弯曲的比喻推出泰勒展开,再引 Powell 1985 年的方法证明 RBF 可拟合任意维度数据并指出其别名与来源,支撑这段从多项式到 RBF 的说明。 - 原始内容:1985年,Powell提出了多变量插值的径向基函数法,证明该函数可以应用于任意维度的离散和连续数据集中进行插值和拟合运算。径向基函数(Radical Basis Function,RBF)又称为RBF函数,或高斯函数,是一种适于大规模样本的非线性拟合函数。