Modelo aditivo - Additive model
Em estatística , um modelo aditivo ( AM ) é um método de regressão não paramétrico . Foi sugerido por Jerome H. Friedman e Werner Stuetzle (1981) e é uma parte essencial do algoritmo ACE . O AM usa um suavizador unidimensional para construir uma classe restrita de modelos de regressão não paramétricos. Por causa disso, ele é menos afetado pela maldição da dimensionalidade do que, por exemplo, um alisador p- dimensional. Além disso, o AM é mais flexível do que um modelo linear padrão , embora seja mais interpretável do que uma superfície de regressão geral à custa de erros de aproximação. Os problemas com AM incluem seleção de modelo , overfitting e multicolinearidade .
Descrição
Dado um conjunto de dados de n unidades estatísticas , onde representam preditores e é o resultado, o modelo aditivo assume a forma
ou
Onde , e . As funções são funções suaves desconhecidas que se ajustam aos dados. O ajuste do AM (isto é, as funções ) pode ser feito usando o algoritmo de ajuste proposto por Andreas Buja, Trevor Hastie e Robert Tibshirani (1989).
Veja também
- Modelo aditivo generalizado
- Algoritmo de backfitting
- Regressão de perseguição de projeção
- Modelo aditivo generalizado para localização, escala e forma (GAMLSS)
- Polimento mediano
- Perseguição de Projeção
Referências
Leitura adicional
- Breiman, L. e Friedman, JH (1985). "Estimating Optimal Transformations for Multiple Regression and Correlation", Journal of the American Statistical Association 80: 580–598. doi : 10.1080 / 01621459.1985.10478157