Generalized Additive Model

定义 Definition

广义加性模型（简称 GAM）是一类统计/机器学习回归模型：在允许非线性关系的同时，仍保持可解释性。它把预测变量对结果的影响表示为多个平滑函数之和，并可扩展到广义线性模型框架（如二项、泊松等分布）。

发音 Pronunciation (IPA)

/ˈdʒɛnərəˌlaɪzd ˈædɪtɪv ˈmɑːdəl/

例句 Examples

We used a generalized additive model to capture the nonlinear effect of temperature on sales.
我们使用广义加性模型来捕捉气温对销量的非线性影响。

After adjusting for seasonality and other covariates, the generalized additive model revealed a smooth, nonlinear association between air pollution and hospital admissions.
在控制季节性及其他协变量后，广义加性模型揭示了空气污染与住院人数之间平滑的非线性关联。

词源 Etymology

• generalized（广义的）：表示把模型从“普通情况”推广到更一般的情形，常指允许不同的误差分布与链接函数（源于广义线性模型传统）。
• additive（加性的）：指模型结构是“各部分效应相加”，例如多个变量的影响以函数形式相加。
• model（模型）：用于描述数据与变量关系的数学表示。
  该术语在统计学中与 20 世纪后期非参数/半参数回归与平滑方法的发展密切相关。

相关词 Related Words

• Additive
• Generalized
• Regression
• Spline
• Smoothing
• Generalized Linear Model
• Nonparametric
• Semiparametric

文献与著作 Literary / Notable Works

• Trevor Hastie & Robert Tibshirani，《Generalized Additive Models》（1990）
• Trevor Hastie, Robert Tibshirani & Jerome Friedman，《The Elements of Statistical Learning》（多版）
• Simon N. Wood，《Generalized Additive Models: An Introduction with R》（多版）
• 统计与流行病学中关于 GAM 的经典论文与应用研究（常见于环境健康、时间序列、生态学等领域）