Machine learning
多変量適応回帰スプライン（MARS）
1991年にジェローム・フリードマンによって導入された多変量適応回帰スプライン（MARS）は、区分的線形「ヒンジ」関数を組み合わせて非線形性や相互作用を自動的にモデル化する、柔軟なノンパラメトリック回帰手法です。この手法は、最も役立つ基底関数を追加する順次的なフォワードパスでモデルを構築し、その後、過剰に成長したモデルを刈り込み、データの複雑さに適応した解釈可能な加法＋相互作用の形式をもたらします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
このページの引用方法
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/ja/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 →