Regresyon ve sınıflandırma problemlerinde veri madenciliği algoritmalarının kullanımı ele alınan değişkenler arasındaki ilişkilerin tanımlanması açısından araştırıcılara değerli bilgiler sunmaktadır. Regresyon problemleri kapsamında CART (Classification and Regression Tree) CHAID (Chi-Square Automatic Interaction Detector) Exhaustive CHAID (Exhaustive Chi-Square Automatic Interaction Detector) MLP (Multilayer Perceptron) ve RBF (Radial Basis Function) veri madenciliği algoritmalarının tarım bilimlerine uygulanması son yıllarda önem kazanmaktadır. Bu kapsamda bağımlı ve bağımsız değişken setleri arasındaki yüksek boyutlu ilişkilerin ortaya konulmasını sağlayan MARS (Multivariate Adaptive Regression Splines) algoritması değişkenlerin dağılımına ilişkin herhangi bir varsayıma ihtiyaç duymamaktadır. Nonparametrik regresyon yöntemi olarak da bilinen MARS algoritması araştırıcıların tahmin denklemi oluşturmasına imkan sağlamaktadır. Bu üstün özelliklerinden dolayı etki faktörü (impact factor) yüksek olan SCI kapsamındaki mühendislik dergilerinde MARS algoritmasının yoğun olarak kullanıldığı görülmektedir. Ancak tarım bilimleri literatüründe MARS algoritmasının uygulanmasına yönelik bilgiler kısıtlıdır. 
MARS çözümlemesinde R yazılımında "earth" paketi kullanılarak MARS komutlarının oluşturulmasına gerek duyulmuştur. Araştırmacı odaklı olarak tasarlanan "Application of Multivariate Adaptive Regression Splines in Agricultural Sciences through R Software" isimli bu R kitabı ile; (1) MARS algoritmasına ilişkin teorik bilgilerin kavranması (2) MARS algoritmasının tahmin performansını ölçmeye yarayan uyum iyiliği ölçütlerine ilişkin teorik bilgilerin verilmesi (3) MARS çözümlemesi bakımından "earth" paketinini etkin bir şekilde kullanılması (4) Daha az terimli MARS tahmin denklemi edilmesi ile ilgili bazı püf noktaların verilmesi (5) MARS algoritmasının tahmin performasını ölçmeye yarayan uyum iyiliği ölçütlerinin R yazılımı ile hesaplanması (6) Bir ya da birden fazla sürekli bağımlı değişkenin tahmin edilmesi kapsamında MARS algoritmasının etkin bir şekilde kullanılması ve elde edilen çıktıların kolayca yorumlanması amaçlanmıştır. Regresyon problemlerinin çözümlenmesi amacıyla yazılan bu kitabın başta tarım bilimlerindeki araştırıcılar olmak üzere mühendislik tıp ekonomi ve diğer bilim alanlarındaki araştırıcılara faydalı olması ümit edilmektedir.