Übersicht über MARS^®-Regression

Die leistungsstarken Basisfunktionen, aus MARS^®-Regression denen Modelle gebildet werden, sind in hohem Maße anpassungsfähig, so dass die Modelle signifikante Abweichungen von den Linearitätsbeschränkungen der konventionellen multiplen Regression erfassen. MARS^®-Regression Einfache Handhabung der komplexen Datenstruktur, die sich oft in hochdimensionalen Daten versteckt. Auf diese Weise deckt dieser Ansatz der Regressionsmodellierung wichtige Datenmuster und Beziehungen auf, die für andere Regressionsmethoden schwierig, wenn nicht gar unmöglich aufzudecken sind.

Im Gegensatz zu Predictive Analytics-Modellen, die Bäume verwenden, um Modelle zu bilden, haben Modelle Darstellungen MARS^®-Regression , die mit Gleichungen aus der konventionellen multiplen Regression vergleichbar sind. Die Beziehungen zwischen der Antwortvariablen und den einzelnen Prädiktoren sind mit diesen Gleichungen leichter zu verstehen.

MARS^®-Regression bietet Einblicke für eine breite Palette von Anwendungen, einschließlich Qualitätskontrolle in der Fertigung, Wirkstofferkennung, Betrugserkennung, Bonitätsbewertung und Abwanderungsprognose. Verwenden Sie die Ergebnisse, um wichtige Variablen zu identifizieren, die relativen Auswirkungen von Variablen zu untersuchen und Antwortwerte für neue Beobachtungen vorherzusagen. Immobiliengutachter möchten z. B. herausfinden, in welcher Beziehung der Verkaufspreis von Apartments in der Stadt zu mehreren Prädiktorvariablen wie der Wohnfläche, der Anzahl verfügbarer Einheiten, dem Alter des Gebäudes und der Entfernung zum Stadtzentrum steht.

Beschreibungen MARS^®-Regression und andere Predictive Analytics-Modelle finden Sie unter Typen von Predictive Analytics-Modellen in Minitab Statistical Software.