Multivariate Adaptive Regression Splines (MARS)
Multivariate adaptive regression splines, eingeführt von Jerome Friedman im Jahr 1991, ist eine flexible nichtparametrische Regressionsmethode, die Nichtlinearitäten und Interaktionen automatisch modelliert, indem sie stückweise-lineare 'Scharnier'-Funktionen kombiniert. Sie baut das Modell in einem schrittweisen Vorwärtsdurchlauf auf, der Basisfunktionen hinzufügt, wo sie am meisten helfen, und beschneidet dann das überwachsene Modell, was zu einer interpretierbaren additiven plus Interaktionsform führt, die ihre Komplexität an die Daten anpasst.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/de/machine-learning/mars
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.
- EntscheidungsbaumMaschinelles Lernen↔ compare
- Generalisiertes Additives Modell (GAM)Maschinelles Lernen↔ compare
- Gradient BoostingMaschinelles Lernen↔ compare
- Regressions- und GlättungssplinesMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →