Багатовимірні адаптивні сплайнові регресії (MARS)
Багатовимірні адаптивні сплайнові регресії, представлені Джеромом Фрідманом у 1991 році, є гнучким непараметричним регресійним методом, який автоматично моделює нелінійності та взаємодії шляхом комбінування кусочно-лінійних «шарнірних» функцій. Він будує модель у прямому поетапному проході, який додає базисні функції там, де вони найбільше допомагають, потім обрізає розрослу модель, надаючи інтерпретовану адитивну форму з взаємодіями, яка адаптує свою складність до даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Friedman, J. H. (1991). Multivariate adaptive regression splines. The Annals of Statistics, 19(1), 1–67. DOI: 10.1214/aos/1176347963 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Multivariate Adaptive Regression Splines (MARS). ScholarGate. https://scholargate.app/uk/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 рішеньМашинне навчання↔ compare
- Узагальнена адитивна модель (GAM)Машинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Регресійні та згладжувальні сплайниМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →