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.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
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.
- Generaliseret Additiv Model (GAM)Maskinlæring↔ compare
- LOESS / LOWESS Lokal RegressionMaskinlæring↔ compare
- Multivariate Adaptive Regression Splines (MARS)Maskinlæring↔ compare
- Polynomisk regressionStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →