1.RBF径向基函数
本质上和RBF核函数的SVM很相似，使用径向基函数对数据重新构建，利用 Φ（||X- Xp||）来代替原始的数据向量表示，一共有P个中心，所以获得的新数据有P个维度，此时再对数据进行分类。输出等于W Φ（||X- Xp||），W为需要求解的权重。
数学上是可以对W求解求解的，但是Φ的选取有要求，同时还不包含正则，使求解的曲面可能有过拟合。
带正则的求解如上图，第一项是均方误差，第二项是对F求的微分算子，代表了对F的先验知识。
这个方程的解也是可以得到的。
当G函数为多元高斯函数的时候
，整个式子就满足了西瓜书上使用高斯径向基的函数式，形式上一模一样
西瓜书上对c求解是使用聚类或者随机采样的方式来获取c，对于另外两个参数W和偏扩展常数使用BP算法求取。
也可以可以用聚类的方式计算，然后找到两种聚类中心的形式：
1.
d是数据中心间最大距离，M是数据个数，可以避免径向基函数过于集中或者分散
2.
但是不知道第二个参数如何选取。
此时如果只有一层的话可以使用
的方式去求，因为Φ不是方阵。
也有做法是可以对数据中三个变量都做成可训练参数，求取梯度，求梯度和句子操作可见https://www.cnblogs.com/zhangchaoyang/articles/2591663.html。这里不具体描述。