Machine learning

Οι πολυμεταβλητές προσαρμοστικές συναρτήσεις παλινδρόμησης (Multivariate Adaptive Regression Splines - MARS)

Οι πολυμεταβλητές προσαρμοστικές συναρτήσεις παλινδρόμησης (MARS), που εισήχθησαν από τον Jerome Friedman το 1991, είναι μια ευέλικτη μη παραμετρική μέθοδος παλινδρόμησης που μοντελοποιεί αυτόματα μη γραμμικότητες και αλληλεπιδράσεις συνδυάζοντας τμηματικά-γραμμικές συναρτήσεις 'μεντεσέ' (hinge functions). Κατασκευάζει το μοντέλο σε μια σταδιακή εμπρόσθια διέλευση που προσθέτει συναρτήσεις βάσης όπου αυτές βοηθούν περισσότερο, και στη συνέχεια κλαδεύει το υπερβολικά αναπτυγμένο μοντέλο, αποδίδοντας μια ερμηνεύσιμη προσθετική μορφή με αλληλεπιδράσεις που προσαρμόζει την πολυπλοκότητά του στα δεδομένα.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  1. Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateMARS (Multivariate Adaptive Regression Splines (MARS)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/mars · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026