在开始之前，我们先来看一下维基百科给出的 万能近似定理(Universal approximation theorem) 描述：
Universal approximation theorem (Hornik et al., 1989;Cybenko, 1989) 定理表明：前馈神经网络，只需具备单层隐含层和有限个神经单元，就能以任意精度拟合任意复杂度的函数。这是个已经被证明的定理。下面我们用一种轻松的方式解释，为什么神经网络（理论上）可以拟合任何函数？
看过《神偷奶爸》这部电影的同学都知道，小黄人( Minions )非常喜欢吃香蕉。不过，现在它只有12个苹果，但它对苹果不感兴趣，想着如果谁能用香蕉换它的苹果就好了。不经意间，它发现了一个神奇的小屋。
小黄人向神奇小屋的窗户里放进一个苹果，神奇小屋什么也不会给它。小黄人又尝试向小屋的窗户里放进5个苹果，神奇小屋突然吐出16个香蕉！这下小黄人可高兴坏了。然后，小黄人又尝试扔给神奇小屋6个苹果，神奇小屋又吐出来20个香蕉。
现在，小黄人的12个苹果用完了，它抱着换来的香蕉想：如果我给它3个苹果，小屋会吐出来多少香蕉呢？
这是一道小学题(找规律)，如何解答？
你可能脱口而出，8个香蕉！！OK，好吧，说明你的智商可以学习AI这么高深的学科了~
如何使用机器学习的步骤解答这道小学生做的题目呢（你可能觉得这是杀鸡用了宰牛刀）。
我们使用 变量 x 表示扔给神奇小屋的苹果数量（ 输入input ），使用 变量 ŷ 表示神奇小屋吐出来的香蕉数量（ 输出Output ），那么我们就得到了一个 数据集(Data set) ：
我们的目标是，构建一个数学 模型(Model) ，使得该模型满足数据集的隐含规律。即，向模型输入 x 的值，模型会输出对应的 ŷ 值。
小学生应该学过一元函数(y = wx + b)。既然是小学题目，那么使用比较简单的函数应该就能模拟数据集的规律。所以我们定义了一个一元一次函数模型：
那么问题来了，我们怎样才能确定函数的两个 参数w，b ？
聪明的你可能又会脱口而出，是y = 4x + (-4) ！！OK，你再次证明了你的智商已经超过小学生或者初中生。
但是小黄人没有你那么聪明，它只能猜。如果w=1， b=0，结果会是怎样？
很明显，模型的 输出(预测)值 y 与实际数据集中的 真实值 ŷ 相差很大。小黄人不满意，又随机猜了一次。w=2，b=2，结果又是怎样呢？
嗯，这次模型的输出值 y 与数据集中的真实值 ŷ 相差似乎不那么大了。小黄人就想，这两个候选模型，哪一个更好呢（更能模拟数据集中的规律）？如何将”更好“量化？
于是，我们引出 损失函数(lost function) 的概念。
将预测值 y 与真实值 ŷ 之间的差值平方和，作为“更好”的一种量化。损失函数越小， 即，预测值与真实值之间的差值越小，说明参数w，b越能模拟数据集中的规律。
有了损失函数，我们来看一看，上面两个候选模型的损失函数值各是多少。
模型 y = 2x + 2 的损失函数值L(2,2) = 68，小于L(1,0) = 318，所以候选模型y = 2x + 2胜出。
小黄人是一个追求极致的人。损失函数值68虽然小于318，但是它还是很大呀，有没有其他参数w,b使得损失函数L(w,b)的值比68还小。
所以，我们又引出了 优化器(Optimizer) 的概念。
想办法找出使得损失函数值L(w,b)最小的参数w，b。由于小黄人没有学过梯度下降法(一种凸函数优化算法，不懂也没关系，现在用不到)，所以它只能使用....”随机尝试法“。
小黄人从参数w=2，b=2，开始，以步长为1进行随机尝试。即，在“加一减一”的范围内，尝试坐标点（2,2）周围的四个点 : (3,2)、(2,3)、(1,2)、(1,1)。结果发现，在点（3,2）处，损失函数值小于其他三个点和原先点处的损失值。
所以，小黄人发现了一个更好的候选模型 y = 3x + 2，其损失函数值为26，比68小的多。小黄人，很兴奋，用同样的方式又开始了尝试。以此类推，它接着发现了L(3,1) =17、L(3,0) =14 两个坐标点。然而，在点（3,0）周围的尝试，都没有发现比14更小的损失函数值。
这样就结束了吗？
高智商的你，一定能想到，在点(4,-4)处，损失函数值最小：L(4,-4) =0。但是，用上述尝试方法并不能找到坐标点(4, -4)。
问题出在了哪儿？是初始点选择的问题。
小黄人发现，如果从坐标点（-2，-4）开始上述方式的尝试，最终会找到使得损失函数最小的(4,-4)点。如果深入研究，将涉及到最优搜索问题，超出本片文章的范围。
我们当前只需知道，能够通过最优方法（如，最小二乘法），找到使得损失函数最小的模型参数w，b。
上面这个故事就是线性回归？？
我们需要给出一个稍微严谨点的定义，来说明什么是线性回归。下面是《机器学习》（周志华著）中给出的一句话：
将这句话对应到我们的模型中。模型函数 y = 4x - 4 就是句中学得的“线性模型”。然后，在我们的故事中，不是尽可能准确地预测真实值输出标记，而是百分百预测了真实值输出标记....损失函数值能够达到最小0。
其实，没那么简单......我们稍微扩展一下。
有一天，小黄人发现，如果给神奇小屋1个苹果、2个香蕉、3个梨，神奇小屋就会吐给它一只猫咪~ 喵喵喵~。真的太神奇了。。。。
这时，模型函数不再是简单的一元函数，而是三元函数，有三个输入变量 (x1, x2, x3)，和4个参数 (w1, w2, w3, b) 需要优化。我们将这种情况称之为“ 多元线性回归(multivariate linear regression) ”。其实这是图像识别的原型模型，我们不再深入探讨。
当小黄人发现了神奇小屋交换香蕉的规律后，非常非常高兴。它又找来了好多苹果，准备和神奇小屋交换香蕉。可是....生活就是这样。在你最得意的时候，往往会给你浇一盆凉水。
（注，这里将之前的数据集调整了一下，由x=1，5，6改为x=1,2,3。方便画图啦）
小黄人又尝试给神奇小屋4个和5个苹果，结果分别得到9个和10个香蕉。似乎哪里有点不对？？！如果按照之前发现的规律，应该分别得到12和20个香蕉呀。小黄人，百思不得其解。
这时，神奇小屋吐出来一张纸条，上面写着：如果你扔进来的苹果太多，我给你的香蕉将会减少。小黄人，有点郁闷。
如果按照之前一元函数的方式建模，将会得到如下函数模型。
你可能比小黄人聪明多了，一眼就看出来上面的模型函数好像不太合适。损失函数永远取不到最小值0。
如果模型函数是这样就好了，那么对应的损失函数值将会取到最小值0。可是，这好像是两个模型函数。一山不容二虎，能不能将这两个函数合成一个函数。
这时，你又脱口而出，分段函数！！事实证明，你的智商已经达到高中生水平。
当 x < 3 时，s1 等于1，s2 等于0，函数 y = 4x - 4；
当 x >= 3 时，s1 等于0，s2 等于1，函数 y=1x + 5；
这才是完美的组合函数。
那么，问题又来了。s1和s2是什么？怎么确定？
如果把s2看成函数，那么理想情况下，应该是这样的阶跃函数。
然而阶跃函数具有不连续、不光滑等不太好的性质。
这时，小黄人悠悠地说，我好像见过一个跟这个函数有点像的连续函数，叫Sigmoid函数。
看到这个Sigmoid函数后，你很生气。对着小黄人说：人笨就少说话，这个函数和阶跃函数，哪里相像了，差的也太远吧！！怎么看怎么不像。
小黄人：你给变量t一个参数不就行了，改成σ(1000t)。（抠鼻）
如果不仔细看，几乎看不出在纵轴0到1之间，有个非常陡峭的曲线。你顿时无语，对小黄人刮目相看。
当 x = 0.1 时，s = σ(100) ≈ 1；
当 x = - 0.1 时，s = σ(100) ≈ 0；
稍微对这个Sigmoid函数做些调整，就能得到我们需要的各种阶跃函数。
这样的话，我们就得到了新的模型函数，y = (4x - 4)σ(-1000x + 3000)+ (1x + 5)σ(1000x - 3000)；
如，当 x = 4 时， y = (12) σ(-1000) + (9)σ(1000) = 12*0 + 9*1 = 9，与数据集相符。
在这个过程中，小黄人还是有功劳的，提出了激活函数的概念。
下面我们看一下稍微严谨点的逻辑回归定义。
这一句话就够了。在第一节中我们已经学习线性回归模型 y = wx + b。观察图，能够发现，逻辑回归其实就是在线性回归的结果上在再使用一次激活函数 y =σ(wx + b)。线性回归模型 (y = wx + b) 的预测值y可以是一个任意实数{-∞, ∞}，而逻辑回归模型 (y =σ(wx + b)) 的预测值y只能是{0， 1}之间的实数。如果能够搞明白线性回归与逻辑回归的联系，说明你已经掌握两者的本质含义。
小黄人想，虽然给的香蕉数量少了些，最起码小屋吐出来的香蕉比扔进去的苹果多嘛。于是，小黄人又尝试向神奇小屋里扔进去了7个和9个苹果。
结果，神奇小屋两次都只返还出来10个香蕉。这下小黄人傻眼了。
虽然小黄人在其他事情上比较笨，但是只要与香蕉相关，它可精明的多。刚刚5个苹果就能换10个香蕉，现在9个苹果才能换10个香蕉！！明显自己吃亏了。但是，它又非常不喜欢吃苹果，只能强忍怨气，攒着一股劲，一定要把里面的规律找出来。
经过之前的套路，机智的你，一定能想到解决办法。
对，就是这样。将数据集分成三块，分别构建线性模型函数，然后利用激活函数，组合起来。
问题再次出现。
当 x < 3 时，s1 = σ(-1000x + 3000) = 1，其他情况为0；
当 x >= 5 时，s3 = σ(1000x - 5000) = 1，其他情况为0；
当 3 <= x < 5 时，s2 = ？？
不知道聪明的你有没有注意到，函数 s1 和 s3 都是以 x 作为未知变量。如果我们转换一下思路，将 s2 看成是 s1 和 s3的二元函数。即，s2是否等于1或0，由 s1 和 s2 的值决定。
s2 = σ(-1000s1 - 1000s2 + 500)
虽然得到的香蕉数目不再增加，但是这么复杂的问题都能解决掉（使用线性回归和逻辑回归相结合，对数据集建模），小黄人还是有点小高兴。反正它手里还有些苹果，于是它又尝试向神奇小屋里丢进去了10、11、12个苹果。结果...小黄人崩溃了！！
神奇小屋传出来纸条说：做人不能贪得无厌，要见好就收，知足常乐。小黄人崩溃了。现在只留下一个未被解决的难题----怎么对数据集进行建模。
即使你很聪明，似乎也只能解决其中的两步。
取 s1 = σ(-1000x + 3000)，即，当 x < 3 时，s1 = 0；
取 s4 = σ(1000x - 9000)，即，当 x >= 9 时，s4 = 0；
那么 s1 和 s2 该如何确定？
根据之前的经验，你大致可以确定s1和s2应该由s1和s4的值确定。
后续......
假设现在我们有许多数据集，
梳理一下流程
重点来了
免喷声明：本文借鉴(chao xi) 牛津大学xDeepMind自然语言处理 公开课
标签：任意,复杂度,拟合
