Modelo Aditivo Generalizado (GAM)
Um modelo aditivo generalizado, introduzido por Trevor Hastie e Robert Tibshirani em 1986, estende o modelo linear generalizado ao substituir cada termo linear por uma função suave e orientada por dados do preditor. Isso permite que o modelo capture relações não lineares, ao mesmo tempo que preserva a interpretabilidade aditiva, termo a termo, da regressão: cada preditor contribui com sua própria curva estimada, e as curvas simplesmente se somam (em uma escala de ligação) para prever a resposta.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/pt/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.
- Regressão Local LOESS / LOWESSAprendizado de máquina↔ compare
- Regressão Linear MúltiplaEstatística↔ compare
- Regressão PolinomialEstatística↔ compare
- Splines de regressão e de suavizaçãoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →