7.5 Smoothing Splines

In the last section we discussed regression splines, which we create by specifying a set of knots, producing a sequence of basis functions, and then using least squares to estimate the spline coefficients. We now introduce a somewhat different approach that also produces a spline.

---

Sub-Chapters (하위 목차)

7.5.1 An Overview of Smoothing Splines (평활 스플라인 페널티 함수 수리 도출 과정의 핵심 개요)

• 문서로 이동하기

학습 데이터의 모든 포인트 관측치 전체 $N$ 개마다 모두 매듭 K를 하나씩 박아 완전히 지나가는(암기하는) 함수 유연도를 가진 상태에서, 오직 파라미터 람다 조율율만으로 곡선의 오돌토돌함을 평활(Smoothing) 깎는 이론 수식 지도를 배웁니다.

7.5.2 Choosing the Smoothing Parameter λ (평활 모델 유연도를 조율 관제하는 하이퍼파라미터 λ 선택 방식 원리)

• 문서로 이동하기

LOOCV 모델 검증 방식을 가장 효율적인 행렬 분할 포맷 계산 비용만으로 동원하여 변동 평활 제어 계수 람다와 이펙티브 자유도(Effective Degrees of Freedom) 수치를 정답화하는 최적 데이터 선택 기준식을 계산 배웁니다.