การถดถอยแบบปรับตัวหลายตัวแปร (MARS)
การถดถอยแบบปรับตัวหลายตัวแปร (Multivariate adaptive regression splines) หรือ MARS ซึ่งเจอโรม ฟรีดแมน (Jerome Friedman) ได้นำเสนอในปี 1991 เป็นวิธีการถดถอยแบบไม่ใช้พารามิเตอร์ที่มีความยืดหยุ่น ซึ่งสามารถจำลองความไม่เป็นเชิงเส้นและปฏิสัมพันธ์ต่างๆ ได้โดยอัตโนมัติ โดยการรวมฟังก์ชัน 'บานพับ' (hinge) แบบเชิงเส้นเป็นช่วงๆ เข้าด้วยกัน โมเดลจะถูกสร้างขึ้นในขั้นตอนการส่งไปข้างหน้า (forward pass) ซึ่งจะเพิ่มฟังก์ชันฐาน (basis functions) ในจุดที่ช่วยได้มากที่สุด จากนั้นจึงตัดแต่งโมเดลที่ใหญ่เกินไปออก ทำให้ได้รูปแบบการบวกและการมีปฏิสัมพันธ์ที่สามารถตีความได้ ซึ่งปรับความซับซ้อนให้เข้ากับข้อมูล
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/th/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- แบบจำลองเชิงบวกทั่วไป (GAM)การเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- Regression Splinesการเรียนรู้ของเครื่อง↔ compare