Регрессионные и сглаживающие сплайны
Регрессионные сплайны моделируют нелинейную зависимость путем подгонки кусочно-полиномиальных функций, которые плавно соединяются в наборе точек, называемых узлами. Кубические и натуральные сплайны являются наиболее распространенными, а сглаживающие сплайны добавляют штраф за шероховатость, который автоматически балансирует между качеством подгонки и гладкостью. Сплайны являются стандартным гибким строительным блоком для одномерной нелинейной регрессии и основой обобщенных аддитивных моделей.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/ru/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.
- Обобщенная аддитивная модель (GAM)Машинное обучение↔ compare
- Локальная регрессия LOESS / LOWESSМашинное обучение↔ compare
- Мультивариантные адаптивные регрессионные сплайны (MARS)Машинное обучение↔ compare
- Полиномиальная регрессияСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →