の概要MARS^® 回帰

モデル MARS^® 回帰 を形成する強力な基底関数は適応性が高いため、モデルは従来の重回帰の線形性の制約から大幅に逸脱します。MARS^® 回帰 高次元データに隠れがちな複雑なデータ構造を簡単に処理できます。そうすることで、回帰モデリングへのこのアプローチは、他の回帰方法では不可能ではないにしても、明らかにすることが困難な重要なデータパターンと関係を効果的に明らかにします。

ツリーを使用してモデルを形成する予測分析モデルとは異なり、 の MARS^® 回帰 モデルは、従来の重回帰の方程式に匹敵する表現を持ちます。応答変数と個々の予測変数の関係は、これらの式を使用すると理解しやすくなります。

MARS^® 回帰は製造品質管理、創薬、不正検出、クレジットスコアの算出、解約予測など、幅広い応用に関する洞察を提供します。この結果を使用して、重要な変数を特定し、変数の相対効果を調べ、新しい観測値の応答値を予測します。たとえば、不動産鑑定士は、都会のアパートの販売価格が、面積、使用できるユニット数、築年数、都心からの距離などの、いくつかの予測変数とどのような関係があるかを確認しようとしています。

およびその他の予測分析モデルの説明 MARS^® 回帰 については、「」を参照してください Minitab統計ソフトウェアの予測分析モデルの種類。