Они являются центрами ваших радиальных базисных функций. Каждый круг соответствует гауссовскому G(x;m,s)
со средним значением m
и (скалярной) дисперсией s
. Здесь среднее значение изменяется от x=-5
до x=5
, тогда как |y|=2
удерживается фиксированным. Дисперсия, по-видимому, изотропна и идентична во всех гауссианах.
Используя эти функции, можно продолжить и выполнить некоторую регрессию. Для этого существует несколько альтернатив: можно, например, рассмотреть простую линейную суперпозицию этих гауссиан и оптимизировать коэффициенты суперпозиции (- это будет линейный регрессионный стиль). С другой стороны, можно также попытаться оптимизировать гиперпараметры, а именно средства и дисперсии, так что подгонка станет ближе всего.
Основная проблема, однако, уже становится очевидной из этого рисунка: чем выше размер, тем больше функций вам нужно для получения хорошей подгонки (например, подумайте о том, чтобы интерполировать что-то, что находится вокруг точки (-5,-5)
- - он просто не работает). Эта проблема часто называется проклятием размерности.