Machine learning
一般化加法モデル（GAM）
一般化加法モデル（Generalized Additive Model, GAM）は、1986年にTrevor HastieとRobert Tibshiraniによって導入されたモデルであり、一般化線形モデルを拡張して、各線形項を予測変数に関する滑らかでデータ駆動型の関数に置き換えるものである。これにより、モデルは非線形関係を捉えつつ、回帰の加法的で項ごとの解釈可能性を維持できる。すなわち、各予測変数はそれ自身の推定曲線に寄与し、それらの曲線は（リンク尺度上で）単純に加算されて応答を予測する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/ja/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.
- 局所回帰 LOESS / LOWESS機械学習↔ compare
- Multiple Linear Regression統計学↔ compare
- 多項式回帰統計学↔ compare
- 回帰スプラインと平滑化スプライン機械学習↔ compare