将Radial Basis Function与Network相结合。实际上衡量两个点的相似性：距离越近，值越大。

将神经元换为与距离有关的函数，就是RBF Network：

可以用kernel和RBF来衡量相似性：

那么如何选中心点呢，一种方法是把所有看过的资料都当做中心点，这就是 FULL NETWORK：

用所有的点作中心太麻烦，可以选择某几个点来投票，这就是KNN（具体可参考机器学习实战）：

之前投票的y就是资料的标签，如果每笔资料都不同的话，可以得到一个简洁的贝塔：

减少中心点（相当于选了几个代表）可以做regularization：

对那些相似的资料，为了简化计算，我们把它分为一类，并选出一个代表：

怎么把资料进行分类呢，可以使用K-Means: