Machine learning
다변량 적응 회귀 스플라인 (Multivariate Adaptive Regression Splines, MARS)
1991년 Jerome Friedman이 소개한 다변량 적응 회귀 스플라인(MARS)은 조각별 선형 '힌지(hinge)' 함수를 결합하여 비선형성과 상호작용을 자동으로 모델링하는 유연한 비모수 회귀 방법입니다. 이 방법은 가장 도움이 되는 기저 함수를 추가하는 순방향 단계적(stagewise) 방식으로 모델을 구축한 다음, 과도하게 성장한 모델을 가지치기하여 해석 가능한 가법(additive)-플러스-상호작용 형태를 만들어 복잡도를 데이터에 맞춥니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/ko/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 →