ScholarGate
Assistente
Machine learning

Regression and Smoothing Splines

Le spline di regressione modellano una relazione non lineare adattando polinomi a tratti che si uniscono in modo continuo in un insieme di punti chiamati nodi. Le spline cubiche e naturali sono le più comuni, e le smoothing splines aggiungono una penalità di rugosità che bilancia automaticamente l'adattamento con la levigatezza. Le spline sono il blocco costruttivo flessibile standard per la regressione non lineare univariata e la base dei modelli additivi generalizzati.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  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

Come citare questa pagina

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

Citato da

ScholarGateRegression Splines (Regression and Smoothing Splines). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/regression-splines · Insieme di dati: https://doi.org/10.5281/zenodo.20539026