Regresyon ve Yumuşatma Spline'ları
Regression and Smoothing Splines · Ayrıca şöyle bilinir: splines, cubic splines, natural splines, smoothing splines, B-spline regression, regresyon spline'ları
Regresyon spline'ları, düğüm noktaları (knots) adı verilen bir dizi noktada düzgün bir şekilde birleşen parçalı polinomlar uydurarak doğrusal olmayan bir ilişkiyi modeller. Kübik ve doğal spline'lar en yaygın olanlardır ve yumuşatma spline'ları, uyumu pürüzsüzlükle otomatik olarak dengeleyen bir pürüzlülük cezası ekler. Spline'lar, tek değişkenli doğrusal olmayan regresyon için standart esnek yapı taşıdır ve genelleştirilmiş eklemeli modellerin temelini oluşturur.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir yanıt ile tek bir sürekli öngörücü arasında düzgün, doğrusal olmayan bir ilişkiyi esnek ve kararlı bir şekilde modellemeniz gerektiğinde regresyon veya yumuşatma spline'larını kullanın - bağımsız bir eğri uydurması olarak, genelleştirilmiş eklemeli model içindeki düzgün terimler olarak veya zaman serilerinde doğrusal olmayan eğilimleri ve mevsimsel şekilleri yakalamak için. Cezalandırılmış yumuşatma spline'ları, manuel düğüm noktası yerleşiminden kaçındıkları için çekicidir ve yalnızca otomatik olarak seçilebilen tek bir yumuşatma parametresi gerektirir. Spline'lar verilerin ötesinde kötü ekstrapolasyon yapar (doğal spline'lar kenar davranışını kısmen hafifletir) ve etkileşimli çok değişkenli doğrusal olmayan yüzeyler için tensör çarpım spline'ları veya diğer yöntemler gereklidir. İlişkinin makul bir şekilde doğrusal olduğu durumlarda, sıradan regresyon daha basittir.
Güçlü yönler & sınırlılıklar
- Yüksek dereceli küresel polinomların kararsızlığı olmadan esnek, düzgün uydurmalar.
- Bir temel üzerinde doğrusal regresyona indirgenir, böylece tahmin ve çıkarım standarttır.
- Yumuşatma spline'ları, tek bir ceza parametresi aracılığıyla manuel düğüm noktası seçiminden kaçınır.
- Genelleştirilmiş eklemeli modellerin yorumlanabilir düzgün bileşenlerini oluşturur.
- Gözlemlenen verilerin aralığının ötesine güvenilmez bir şekilde ekstrapolasyon yapar.
- Cezalandırılmamış spline'lar, düğüm noktalarının sayısına ve yerleşimine duyarlıdır.
- Öncelikle tek değişkenli; etkileşimli çok değişkenli yüzeyler tensör çarpımları veya diğer yöntemleri gerektirir.
- Temel, derece ve yumuşatma parametresi seçimi sonuçları etkiler.
SSS
Bir spline'da düğüm noktası (knot) nedir?
Düğüm noktası, öngörücünün aralığı boyunca bir polinom parçasının bittiği ve bir sonraki parçanın başladığı noktadır. Parçalar orada düzgün bir şekilde birleşmeye zorlanır. Daha fazla düğüm noktası daha fazla esnekliğe izin verir; sayıları ve yerleşimleri (veya yumuşatma spline'ları için ceza) uydurulan eğrinin ne kadar dalgalı olabileceğini kontrol eder.
Regresyon spline'ı ile yumuşatma spline'ı arasındaki fark nedir?
Regresyon spline'ı, makul sayıda seçilmiş düğüm noktası kullanır ve spline temelinde sıradan en küçük karelerle uydurulur. Yumuşatma spline'ı, her veri noktasında bir düğüm noktası yerleştirir ve esnekliği λ parametreli bir pürüzlülük cezasıyla kontrol eder, böylece düğüm noktalarını seçmek yerine tek bir ceza ayarlarsınız.
Neden doğal kübik spline kullanılır?
Sıradan kübik spline'lar, verilerin seyrek olduğu sınırlar yakınında düzensiz davranabilir. Doğal bir kübik spline, fonksiyonu en dıştaki düğüm noktalarının ötesinde doğrusal olmaya zorlayan kısıtlamalar ekleyerek, vahşi sınır davranışını ve kenarlardaki uydurmanın varyansını azaltır.
Kaynaklar
- 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
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Regression and Smoothing Splines. ScholarGate. https://scholargate.app/tr/machine-learning/regression-splines
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Genelleştirilmiş Toplanabilir Model (GAM)Makine öğrenmesi↔ karşılaştır
- LOESS / LOWESS Yerel RegresyonuMakine öğrenmesi↔ karşılaştır
- Çok Değişkenli Uyarlanabilir Regresyon Spline'ları (MARS)Makine öğrenmesi↔ karşılaştır
- Polinom Regresyonuİstatistik↔ karşılaştır