रिग्रेशन और स्मूथिंग स्प्लाइन्स
रिग्रेशन स्प्लाइन्स गांठों (knots) नामक बिंदुओं के एक सेट पर सहजता से जुड़ने वाले टुकड़ों वाले बहुपद (piecewise polynomials) फिट करके एक अरैखिक संबंध (nonlinear relationship) को मॉडल करती हैं। क्यूबिक और नेचुरल स्प्लाइन्स सबसे आम हैं, और स्मूथिंग स्प्लाइन्स एक खुरदरापन दंड (roughness penalty) जोड़ती हैं जो स्वचालित रूप से फिट और स्मूथनेस के बीच संतुलन बनाती है। स्प्लाइन्स एकचर अरैखिक प्रतिगमन (univariate nonlinear regression) के लिए मानक लचीले निर्माण खंड हैं और सामान्यीकृत योगात्मक मॉडल (generalized additive models) का आधार हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/hi/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.
- सामान्यीकृत योगात्मक मॉडल (GAM)मशीन अधिगम↔ compare
- LOESS / LOWESS स्थानीय प्रतिगमनमशीन अधिगम↔ compare
- मल्टीवेरिएट एडप्टिव रिग्रेशन स्प्लाइन्स (MARS)मशीन अधिगम↔ compare
- बहुपद समाश्रयण (Polynomial Regression)सांख्यिकी↔ compare