Machine learning

Splines adaptatives multivariées (MARS)

Les splines adaptatives multivariées, introduites par Jerome Friedman en 1991, sont une méthode de régression non paramétrique flexible qui modélise automatiquement les non-linéarités et les interactions en combinant des fonctions 'charnière' (hinge) linéaires par morceaux. Elles construisent le modèle en une passe avant séquentielle qui ajoute des fonctions de base là où elles sont le plus utiles, puis élaguent le modèle surdimensionné, produisant une forme additive plus interactions interprétable qui adapte sa complexité aux données.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

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

Comment citer cette page

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

Référencée par

ScholarGateMARS (Multivariate Adaptive Regression Splines (MARS)). Consulté le 2026-06-15 sur https://scholargate.app/fr/machine-learning/mars · Jeu de données : https://doi.org/10.5281/zenodo.20539026