الگوریتم پس‌تناسب

در آمار الگوریتم پس تناسب یک الگوریتم برای یادگیری پارامترهای مدل خطی تعمیم یافته است.

الگوریتم

مدل خطی مقابل را در نظر بگیرید:

Y_{i} = α + \sum_{j = 1}^{p} f_{j} (X_{i j}) + ϵ_{i}

حال الگوریتم پس تناسب عبارت است از :

الگو:چپ‌چین

   Initialize  $\hat{α} = 1 / N \sum_{i = 1}^{N} y_{i}, \hat{f_{j}} \equiv 0$ , $\forall i, j$ 
   Do until  $\hat{f_{j}}$  converge:
       For each predictor j:
           (a)  $\hat{f_{j}} \leftarrow Smooth [{y_{i} - \hat{α} - \sum_{k \neq j} \hat{f_{k}} (x_{i k})}_{1}^{N}]$  (backfitting step)
           (b)  $\hat{f_{j}} \leftarrow \hat{f_{j}} - 1 / N \sum_{i = 1}^{N} \hat{f_{j}} (x_{i j})$  (mean centering of estimated function)