ScholarGate
Assistent
Machine learning

Multivariate Adaptive Regression Splines (MARS)

Multivariate adaptive regression splines, geïntroduceerd door Jerome Friedman in 1991, is een flexibele nonparametrische regressiemethode die nonlineariteiten en interacties automatisch modelleert door stuksgewijs lineaire 'scharnier'-functies te combineren. Het bouwt het model op in een voorwaartse, stapsgewijze fase die basis-functies toevoegt waar deze het meest helpen, waarna het overgroeide model wordt teruggesnoeid, wat resulteert in een interpreteerbare additieve-plus-interactievorm die zijn complexiteit aanpast aan de data.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  1. Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963

Deze pagina citeren

ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/nl/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

Geciteerd door

ScholarGateMARS (Multivariate Adaptive Regression Splines (MARS)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/machine-learning/mars · Gegevensset: https://doi.org/10.5281/zenodo.20539026