原书出处
机器学习算法原理与编程实践
07 第7章 预测的技术与哲学
式来拟合任意形状的非线性曲线。那么是否存在一个函数,能够近似地拟合各类非线性函数而无须增加额外的高次项呢?答案是肯定的。
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。
因此,它最先被应用于计算机图形学的曲面重构中,取得了很好的效果。 图7.3 曲线的拟合 由于第二代神经网络的兴起,其主要
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00025.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d