Machine learning

Regression and Smoothing Splines

Intentar ajustar un único polinomio de alto grado a datos curvos es notoriamente inestable — se ondula salvajemente, especialmente en los bordes. Las splines resuelven esto dividiendo el rango en segmentos en los nudos y ajustando un polinomio de bajo grado (generalmente cúbico) dentro de cada uno, forzando a las piezas a unirse sin fisuras — mismo valor, pendiente y curvatura en cada nudo. El resultado es una curva suave que puede seguir la estructura local sin la inestabilidad global de los polinomios de alto grado. Una spline de suavizado va más allá al colocar un nudo en cada punto de datos y, en cambio, controlar la flexibilidad a través de una penalización por curvatura.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  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

Cómo citar esta página

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

Citado por

ScholarGateRegression Splines (Regression and Smoothing Splines). Recuperado el 2026-06-15 de https://scholargate.app/es/machine-learning/regression-splines · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026