Modèle additif généralisé (GAM)
Un modèle additif généralisé, introduit par Trevor Hastie et Robert Tibshirani en 1986, étend le modèle linéaire généralisé en remplaçant chaque terme linéaire par une fonction lisse et pilotée par les données du prédicteur. Cela permet au modèle de capturer des relations non linéaires tout en préservant l'interprétabilité additive, terme par terme, de la régression : chaque prédicteur contribue sa propre courbe estimée, et les courbes s'additionnent simplement (sur une échelle de lien) pour prédire la réponse.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/fr/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.
- Régression locale LOESS / LOWESSApprentissage automatique↔ compare
- Régression linéaire multipleStatistique↔ compare
- Régression polynomialeStatistique↔ compare
- Splines de régression et de lissageApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →