Regresní a vyhlazovací splajny
Regresní splajny modelují nelineární vztah pomocí prokládání po částech polynomiálních funkcí, které se hladce spojují v sadě bodů zvaných uzly (knots). Nejběžnější jsou kubické a přirozené splajny a vyhlazovací splajny (smoothing splines) přidávají penalizaci za hrubost, která automaticky vyvažuje kvalitu proložení s hladkostí. Splajny jsou standardním flexibilním stavebním kamenem pro univariátní nelineární regresi a základem zobecněných aditivních modelů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Eilers, P. H. C., & Marx, B. D. (1996). Flexible smoothing with B-splines and penalties. Statistical Science, 11(2), 89–121. DOI: 10.1214/ss/1038425655 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/cs/machine-learning/regression-splines
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Zobecněný aditivní model (GAM)Strojové učení↔ compare
- Lokální regrese LOESS / LOWESSStrojové učení↔ compare
- Mnohorozměrné adaptivní regresní spliny (MARS)Strojové učení↔ compare
- Polynomická regreseStatistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →