Regressie- en smoothing splines
Regressiesplines modelleren een niet-lineair verband door stuksgewijze polynomen te fitten die vloeiend samenkomen op een reeks punten, knopen genaamd. Kubische en natuurlijke splines zijn het meest gebruikelijk, en smoothing splines voegen een ruwheidspenaliteit toe die automatisch de fit tegen de vloeiendheid balanceert. Splines zijn de standaard flexibele bouwsteen voor univariate niet-lineaire regressie en de basis van gegeneraliseerde additieve modellen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/nl/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.
- Generaliseerde Additieve Modellen (GAM)Machine learning↔ compare
- LOESS / LOWESS Lokale RegressieMachine learning↔ compare
- Multivariate Adaptive Regression Splines (MARS)Machine learning↔ compare
- PolynoomregressieStatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →