Regression and Smoothing Splines
การพยายามปรับเส้นโค้งพหุนามดีกรีสูงเพียงเส้นเดียวให้เข้ากับข้อมูลที่มีความโค้งนั้นไม่เสถียรอย่างยิ่ง — มันจะบิดเบี้ยวอย่างรุนแรง โดยเฉพาะที่ขอบ Splines แก้ปัญหานี้โดยการแบ่งช่วงของข้อมูลออกเป็นส่วนๆ ณ จุด knots และปรับเส้นโค้งพหุนามดีกรีต่ำ (โดยทั่วไปคือ cubic) ภายในแต่ละส่วน โดยบังคับให้ส่วนต่างๆ มาบรรจบกันอย่างราบรื่น — ค่า ความชัน และความโค้งที่จุด knots เดียวกัน ผลลัพธ์คือเส้นโค้งที่เรียบซึ่งสามารถติดตามโครงสร้างเฉพาะที่ได้โดยไม่เกิดความไม่เสถียรทั่วโลกของเส้นโค้งพหุนามดีกรีสูง Smoothing spline ก้าวไปอีกขั้นโดยการวาง knot ไว้ที่ทุกจุดข้อมูล และควบคุมความยืดหยุ่นผ่านการลงโทษความโค้ง (curvature penalty) แทน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/th/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.
- แบบจำลองเชิงบวกทั่วไป (GAM)การเรียนรู้ของเครื่อง↔ compare
- การถดถอยเฉพาะที่ LOESS / LOWESSการเรียนรู้ของเครื่อง↔ compare
- การถดถอยแบบปรับตัวหลายตัวแปร (MARS)การเรียนรู้ของเครื่อง↔ compare
- การถดถอยพหุนามสถิติศาสตร์↔ compare