函数逼近

通常，函数逼近问题要求我们从定义明确的类中选择一个函数，该类以特定于任务的方式与目标函数紧密匹配（“近似”）。对于需要功能近似出现在许多分支的应用数学和计算机科学。

首先，对于已知目标函数，逼近理论是数值分析的一个分支，它研究某些已知函数（例如，特殊函数）如何可以被通常具有理想属性的特定类函数（例如，多项式或有理函数）逼近。（廉价的计算、连续性、积分和极限值等）。

其次，目标函数，称为g，可能未知；仅提供一组形式为(x,g(x))的点，而不是明确的公式。取决于结构域和值域的克，用于逼近的几种技术克可能是适用的。例如，如果g是对实数的运算，则可以使用插值、外推、回归分析和曲线拟合技术。如果codomain（范围或目标集）的g是一个有限集，一个是处理分类问题。

在某种程度上，不同的问题（回归、分类、适应度逼近）在统计学习理论中得到了统一的处理，在那里它们被视为监督学习问题。