ScholarGate
Assistent
Machine learning

Regressions- und Glättungssplines

Regressionssplines modellieren eine nichtlineare Beziehung durch Anpassung stückweiser Polynome, die sich an einer Menge von Punkten, den sogenannten Knoten, glatt verbinden. Kubische und natürliche Splines sind die gebräuchlichsten, und Glättungssplines fügen eine Rauhigkeitsstrafe hinzu, die automatisch die Anpassung gegen die Glätte abwägt. Splines sind der Standard-flexible Baustein für univariate nichtlineare Regression und die Grundlage verallgemeinerter additiver Modelle.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

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

Quellen

  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

So zitieren Sie diese Seite

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

Referenziert von

ScholarGateRegression Splines (Regression and Smoothing Splines). Abgerufen am 2026-06-15 von https://scholargate.app/de/machine-learning/regression-splines · Datensatz: https://doi.org/10.5281/zenodo.20539026