Multivariate Adaptive Regression Splines
多元自适应回归样条AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要介绍通用非参数回归方法，未涉及所列方向中的特定经济对象或数据结构。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多元自适应回归样条
- 研究问题
- 如何为高维数据建立灵活回归模型，由数据自动选择样条结构，并表达近似加性关系和少量变量之间的交互？
- 方法与思路
- 作者使用乘积样条基函数展开，由数据决定基函数数量、乘积阶数和结点位置，方法受到递归分割回归的启发。
- 材料陈述的贡献
- 摘要称方法生成连续且具有连续导数的模型，并可分别展示加性贡献与不同多变量交互项，增强相关关系的表达能力。
- 阅读关注点
- 应核对基函数与结点的选择规则、模型复杂度控制和连续性处理，以及摘要所称灵活性比较使用的具体证据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；选择准则、统计误差和性能比较细节未说明，不能推断普遍预测优势。
原文摘要
A new method is presented for flexible regression modeling of high dimensional data. The model takes the form of an expansion in product spline basis functions, where the number of basis functions as well as the parameters associated with each one (product degree and knot locations) are automatically determined by the data. This procedure is motivated by the recursive partitioning approach to regression and shares its attractive properties. Unlike recursive partitioning, however, this method produces continuous models with continuous derivatives. It has more power and flexibility to model relationships that are nearly additive or involve interactions in at most a few variables. In addition, the model can be represented in a form that separately identifies the additive contributions and those associated with the different multivariable interactions.