Kernel continuum regression

تکنیک رگرسیون پیوسته یک چارچوب رگرسیون جذاب را فراهم می کند که بین کوچک ترین مربعات معمولی، حداقل مربعات جزئی و رگرسیون جزء اصلی در یک خانواده قرار می گیرد. این ارائه می دهد برخی از بینش در مدل رگرسیون زیرزمینی برای یک برنامه داده شده است. علاوه بر این، به درک عمیق از تکنیک های مختلف رگرسیون کمک می کند. با وجود چارچوب مفید، توسعه فعلی رگرسیون پیوسته فقط برای رگرسیون خطی است. در بسیاری از برنامه های کاربردی، رگرسیون غیر خطی ضروری است. گسترش رگرسیون پیوسته از مدل های خطی به مدل های غیر خطی با استفاده از یادگیری هسته در نظر گرفته شده است. تکنیک رگرسیون پیوسته پیشنهادی کاملا کاملا جامع است و می تواند برآورد مدل رگرسیون بسیار انعطاف پذیر داشته باشد. یک الگوریتم کارآمد برای اجرای سریع توسعه یافته است. نمونه های عددی سودمندی روش پیشنهادی را نشان می دهند.