Monimuuttujaiset adaptiiviset regressiosplinit (MARS)
Monimuuttujaiset adaptiiviset regressiosplinit, jotka Jerome Friedman esitteli vuonna 1991, ovat joustava epäparametrinen regressiomenetelmä, joka mallintaa automaattisesti epälineaarisuuksia ja vuorovaikutuksia yhdistämällä paloittain lineaarisia 'sarana'funktioita. Se rakentaa mallin etenevällä vaiheittaisella läpikäynnillä, joka lisää perustafunktioita sinne, missä ne auttavat eniten, ja karsii sitten ylikasvaneen mallin, tuottaen tulokseksi tulkittavan additiivisen plus-vuorovaikutusmuodon, joka mukauttaa monimutkaisuutensa dataan.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/fi/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.
- PäätöspuuKoneoppiminen↔ compare
- Yleistetty additiivinen malli (GAM)Koneoppiminen↔ compare
- Gradient BoostingKoneoppiminen↔ compare
- Regressio- ja tasoitussplinitKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →