Genelleştirilmiş Toplanabilir Model (GAM)
Generalized Additive Model (GAM) · Ayrıca şöyle bilinir: GAM, additive model, spline-based additive regression, Genelleştirilmiş toplamsal model
1986'da Trevor Hastie ve Robert Tibshirani tarafından tanıtılan genelleştirilmiş toplanabilir bir model, her doğrusal terimi tahmin edicinin pürüzsüz, veriye dayalı bir fonksiyonuyla değiştirerek genelleştirilmiş doğrusal modeli genişletir. Bu, modelin doğrusal olmayan ilişkileri yakalamasına izin verirken, regresyonun toplamsal, terim bazında yorumlanabilirliğini korur: her tahmin edici kendi tahmini eğrisini katkıda bulunur ve eğriler yanıtı tahmin etmek için (bir bağlantı ölçeğinde) basitçe toplanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tahmin ediciler ve yanıt arasında doğrusal olmayan ilişkiler beklediğiniz ancak yine de yorumlanabilir, denetlenebilir bir model istediğiniz zaman bir GAM kullanın — her tahmin edicinin etkisini çizebileceğiniz ve hakkında akıl yürütebileceğiniz bir model. Epidemiyoloji, ekoloji, ekonomi ve çevre bilimlerinde sürekli tahmin edicilerle regresyon ve sınıflandırma için ve kara kutu modelin opaklığının kabul edilemez olduğu herhangi bir ayar için uygundur. Çekirdek biçim, etkilerin toplamsal olduğunu varsayar (otomatik etkileşimler yok), ancak belirli etkileşimler ve tensör çarpım pürüzsüzleri açıkça eklenebilir. Etkileşimler yaygın olduğunda ve yorumlanabilirlik ikincil olduğunda, ağaç toplulukları veya sinir ağları daha iyi tahmin edebilir; ilişkiler gerçekten doğrusal olduğunda, bir GLM daha basittir ve eşit derecede iyidir.
Güçlü yönler & sınırlılıklar
- Tek seferde bir tahmin edici olarak yorumlanabilir kalırken doğrusal olmayan etkileri yakalar.
- Yumuşatma cezaları ve otomatik λ seçimi aşırı uyuma karşı koruma sağlar.
- Bağlantı fonksiyonu aracılığıyla Gaussian olmayan yanıtlara genişler (lojistik, Poisson vb.).
- Her pürüzsüz terim için etkili serbestlik dereceleri ve güven bantları sağlar.
- Varsayılan olarak toplanabilirliği varsayar, açıkça eklenmedikçe etkileşimleri kaçırır.
- Daha yüksek boyutlu pürüzsüzler ve çok sayıda tahmin edici uydurması ve yorumlaması zorlaşır.
- Yumuşatma parametresi ve taban seçimleri uyumu etkiler ve dikkat gerektirir.
- Karmaşık etkileşimlerin hakim olduğu durumlarda esnek kara kutu modellerinden daha az tahmin edici.
SSS
Bir GAM, doğrusal regresyondan nasıl farklıdır?
Doğrusal regresyon, her tahmin edicinin düz bir çizgi etkisi olduğunu varsayar; bir GAM, her doğrusal terimi esnek bir pürüzsüz fonksiyonla değiştirir, böylece etkiler eğri olabilir. Toplamsal yapıyı korur, böylece her tahmin edicinin katkısını ayrı ayrı yorumlayabilirsiniz, ancak şimdi bu katkıların doğrusal olması gerekmez.
Bir GAM etkileşimleri modeller mi?
Varsayılan olarak değil — standart GAM toplanabilirdir, yani her tahmin edici bağımsız olarak katkıda bulunur. Etkileşimler, iki değişkenli veya tensör çarpım pürüzsüzleri aracılığıyla kasıtlı olarak dahil edilebilir, ancak bunları eklemezseniz, model etkileşim varsaymaz. Akılda tutulması gereken ana yapısal varsayım budur.
Aşırı uyum nasıl kontrol edilir?
Her pürüzsüz, bir yumuşatma parametresi tarafından yönetilen bir pürüzlülük cezası taşır. Daha büyük cezalar daha basit (daha düz) eğrileri zorlar. Yumuşatma parametreleri tipik olarak çapraz doğrulama veya kısıtlı maksimum olabilirlik ile otomatik olarak seçilir, uyumu pürüzsüzlükle dengeler, böylece eğriler yalnızca verilerin desteklediği kadar dalgalıdır.
Kaynaklar
- 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
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Generalized Additive Model (GAM). ScholarGate. https://scholargate.app/tr/machine-learning/generalized-additive-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- LOESS / LOWESS Yerel RegresyonuMakine öğrenmesi↔ karşılaştır
- Çoklu Doğrusal Regresyonİstatistik↔ karşılaştır
- Polinom Regresyonuİstatistik↔ karşılaştır
- Regresyon ve Yumuşatma Spline'larıMakine öğrenmesi↔ karşılaştır