Multivariate Adaptive Regression Splines (MARS)
A MARS (Multivariate adaptive regression splines) modell, amelyet Jerome Friedman vezetett be 1991-ben, egy rugalmas nemparametrikus regressziós módszer, amely darabonként lineáris „zsanér” (hinge) függvények kombinálásával automatikusan modellezi a nemlinearitásokat és az interakciókat. A modell egy előrehaladó, szakaszos fázisban épül fel, amely a leginkább hasznos alapfüggvényeket adja hozzá, majd visszanyeszi a túlfejlesztett modellt, így egy értelmezhető additív-plusz-interakciós formát eredményez, amely a komplexitását az adatokhoz igazítja.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/hu/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.
- Döntési faGépi tanulás↔ compare
- Generalizált Additív Modell (GAM)Gépi tanulás↔ compare
- Gradient BoostingGépi tanulás↔ compare
- Regressziós és simító spline-okGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →