ScholarGate
Assistent
Machine learning

Regression- og smoothing-splines

Forsøg på at tilpasse et enkelt polynomium af høj grad til kurvede data er notorisk ustabilt – det svajer vildt, især i kanterne. Splines løser dette ved at opdele området i segmenter ved knudepunkter og tilpasse et polynomium af lav grad (normalt kubisk) inden for hvert, samtidig med at stykkerne tvinges til at mødes sømløst – samme værdi, hældning og krumning ved hvert knudepunkt. Resultatet er en glat kurve, der kan følge lokal struktur uden den globale ustabilitet af polynomier af høj grad. En smoothing-spline går videre ved at placere et knudepunkt ved hvert datapunkt og i stedet kontrollere fleksibiliteten gennem en straf på krumningen.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. 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
  2. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0

Sådan citerer du denne side

ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/da/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.

Compare side by side

Refereret af

ScholarGateRegression Splines (Regression and Smoothing Splines). Hentet 2026-06-15 fra https://scholargate.app/da/machine-learning/regression-splines · Datasæt: https://doi.org/10.5281/zenodo.20539026