Regression and Smoothing Splines
Cuba memadankan satu polinomial berperingkat tinggi kepada data melengkung terkenal tidak stabil — ia bergelombang liar, terutamanya di tepi. Spline menyelesaikan ini dengan memecahkan julat kepada segmen pada simpul dan memadankan polinomial berperingkat rendah (biasanya padu) di dalam setiap segmen, sambil memaksa bahagian-bahagian tersebut bertemu dengan lancar — nilai, cerun, dan kelengkungan yang sama pada setiap simpul. Hasilnya ialah lengkung licin yang boleh mengikut struktur setempat tanpa ketidakstabilan global polinomial berperingkat tinggi. Spline pelicin meneruskan ini dengan meletakkan simpul pada setiap titik data dan sebaliknya mengawal fleksibiliti melalui penalti pada kelengkungan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0
Cara memetik halaman ini
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/ms/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.
- Model Aditif Generalized (GAM)Pembelajaran Mesin↔ compare
- Regresi Lokal LOESS / LOWESSPembelajaran Mesin↔ compare
- Multivariate Adaptive Regression Splines (MARS)Pembelajaran Mesin↔ compare
- Regresi PolinomialStatistik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →