ScholarGate
Pembantu
Machine learning

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

  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

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.

Compare side by side

Dirujuk oleh

ScholarGateRegression Splines (Regression and Smoothing Splines). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/regression-splines · Set data: https://doi.org/10.5281/zenodo.20539026