ScholarGate
Assistent
Machine learning

Regresjons- og utjevningsspliner

Regresjonsspliner modellerer et ikke-lineært forhold ved å tilpasse stykkevise polynomer som knyttes jevnt sammen ved et sett punkter kalt knutepunkter (knots). Kubiske og naturlige spliner er de vanligste, og utjevningsspliner (smoothing splines) legger til en ruhetspenal som automatisk balanserer tilpasning mot glatthet. Spliner er den standard fleksible byggesteinen for univariat ikke-lineær regresjon og grunnlaget for generaliserte additive modeller.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/no/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

Referert av

ScholarGateRegression Splines (Regression and Smoothing Splines). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/regression-splines · Datasett: https://doi.org/10.5281/zenodo.20539026