Generaliseerde Additieve Modellen (GAM)
Een gegeneraliseerd additief model, geïntroduceerd door Trevor Hastie en Robert Tibshirani in 1986, breidt het gegeneraliseerde lineaire model uit door elke lineaire term te vervangen door een soepele, datagedreven functie van de voorspeller. Dit stelt het model in staat om niet-lineaire verbanden vast te leggen met behoud van de additieve, term-voor-term interpreteerbaarheid van regressie: elke voorspeller draagt zijn eigen geschatte curve bij, en de curves tellen simpelweg op (op een link-schaal) om de respons te voorspellen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/nl/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 RegressieMachine learning↔ compare
- Meervoudige Lineaire RegressieStatistiek↔ compare
- PolynoomregressieStatistiek↔ compare
- Regressie- en smoothing splinesMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →