MARS如何用术语产生奇怪的常数？

Question

我一直在阅读有趣的机器学习算法MARS(Multi-variate adaptive regression splines).

据我所知，该算法来自维基百科和弗里德曼的论文，它分为两个阶段，即前传和后传。我现在忽略了后传，因为前锋是我感兴趣的部分。据我所知，前进传球的步骤是。

1. 从数据的平均值开始。
2. 通过详尽的搜索生成新的术语对
3. 在进行改进时重复2

要生成术语对，MARS似乎会执行以下操作：

1. 选择现有字词（e）
2. 选择变量（x）
3. 选择该变量的值（v）
4. 返回两个字词e*max(0,x-v)，另一个格式为e*max(0, v-x)

这对我来说很有意义。我可以看到，例如，如下数据表：

+---+---+---+
| A | B | Z |
+---+---+---+
| 5 | 6 | 1 |
| 7 | 2 | 2 |
| 3 | 1 | 3 |
+---+---+---+

可以生成2*max(0, B-1)甚至8*max(0, B-1)*max(3-A)等字词。但是，维基百科页面有一个我不明白的例子。它有一个臭氧的例子，第一个术语是25个。但是，它在最终回归中也有一个系数为负和分数的项。我不知道这是怎么可能的，因为最初的术语是5，你只能乘以前面的术语，而且之前的术语都没有负系数，你最终可能会得到一个... < / p>

我错过了什么？

正如我所看到的，要么我误解了术语生成，要么我误解了简化过程。但是，所描述的简化似乎只删除术语，而不是修改它们。你能看到我在这里失踪的东西吗？