Daudzvariāciju adaptīvās regresijas šķipsnas (MARS)
Daudzvariāciju adaptīvās regresijas šķipsnas, ko 1991. gadā ieviesa Džeroms Frīdmens, ir elastīga neparametriska regresijas metode, kas automātiski modelē nelinearitātes un mijiedarbības, apvienojot atsevišķas lineāras “eņģes” funkcijas. Tā veido modeli secīgā virziena fāzē, pievienojot bāzes funkcijas tur, kur tās visvairāk palīdz, pēc tam apgriežot pārmērīgi uzbūvēto modeli, iegūstot interpretējamu aditīvi-plus-mijiedarbības formu, kas pielāgo savu sarežģītību datiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/lv/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.
- Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
- Vispārīgais aditīvais modelis (GAM)Mašīnmācīšanās↔ compare
- Gradient BoostingMašīnmācīšanās↔ compare
- Regresijas un izlīdzināšanas splainiMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →