Generalisiertes Additives Modell (GAM)
Ein generalisiertes additives Modell, das 1986 von Trevor Hastie und Robert Tibshirani eingeführt wurde, erweitert das verallgemeinerte lineare Modell, indem jeder lineare Term durch eine glatte, datengesteuerte Funktion des Prädiktors ersetzt wird. Dies ermöglicht es dem Modell, nichtlineare Beziehungen zu erfassen und gleichzeitig die additive, termweise Interpretierbarkeit der Regression beizubehalten: Jeder Prädiktor trägt seine eigene geschätzte Kurve bei, und die Kurven addieren sich einfach (auf einer Link-Skala), um die Antwort vorherzusagen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Hastie, T., & Tibshirani, R. (1986). Generalized additive models. Statistical Science, 1(3), 297–310. DOI: 10.1214/ss/1177013604 ↗
- Hastie, T. J., & Tibshirani, R. J. (1990). Generalized Additive Models. Chapman & Hall/CRC. ISBN: 978-0-412-34390-2
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/de/machine-learning/generalized-additive-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- LOESS / LOWESS Lokale RegressionMaschinelles Lernen↔ compare
- Multiple Lineare RegressionStatistik↔ compare
- Polynomiale RegressionStatistik↔ compare
- Regressions- und GlättungssplinesMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →