Мультивариантные адаптивные регрессионные сплайны (MARS)
Мультивариантные адаптивные регрессионные сплайны (MARS), предложенные Джеромом Фридманом в 1991 году, представляют собой гибкий непараметрический метод регрессии, который автоматически моделирует нелинейности и взаимодействия путем комбинирования кусочно-линейных «шарнирных» функций. Он строит модель в прямом поэтапном проходе, который добавляет базисные функции там, где они наиболее полезны, а затем "обрезает" избыточную модель, что приводит к интерпретируемой аддитивно-интерактивной форме, которая адаптирует свою сложность к данным.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Обобщенная аддитивная модель (GAM)Машинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Регрессионные и сглаживающие сплайныМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →