Modello Additivo Generalizzato (GAM)
Un modello additivo generalizzato (GAM), introdotto da Trevor Hastie e Robert Tibshirani nel 1986, estende il modello lineare generalizzato sostituendo ogni termine lineare con una funzione "liscia" (smooth), guidata dai dati, del predittore. Questo permette al modello di catturare relazioni non lineari preservando al contempo l'interpretabilità additiva, termine per termine, della regressione: ogni predittore contribuisce con la propria curva stimata, e le curve si sommano semplicemente (su una scala di collegamento) per predire la risposta.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/it/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.
- Regressione locale LOESS / LOWESSApprendimento automatico↔ compare
- Regressione Lineare MultiplaStatistica↔ compare
- Regressione polinomialeStatistica↔ compare
- Regression and Smoothing SplinesApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →