Modèle additif
From Wikipedia, the free encyclopedia
En statistiques, le modèle additif (MA, ou AM pour Additive Model) est une méthode de régression non paramétrique. Il a été suggéré par Jerome H. Friedman et Werner Stuetzle[1] et est utilisé par l'algorithme ACE. Le modèle additif utilise un lissage unidimensionnel pour construire une classe restreinte de modèles de régression non paramétriques. De ce fait, il est moins affecté par le fléau de la dimension que, par exemple, un lissage p-dimensionnel. De plus, le modèle additif est plus flexible qu'un modèle linéaire standard, tout en étant plus interprétable qu'une surface de régression générale. Les difficultés liées aux modèles additifs, comme de nombreuses autres méthodes d'apprentissage automatique, incluent la sélection de modèles, le surapprentissage et la multicolinéarité.
![{\displaystyle \mathrm {E} [y_{i}|x_{i1},\ldots ,x_{ip}]=\beta _{0}+\sum _{j=1}^{p}f_{j}(x_{ij})}](https://wikimedia.org/api/rest_v1/media/math/render/svg/81d5cc6bcb970849325c676648504fa8a39a763b)
![{\displaystyle \mathrm {E} [\epsilon ]=0}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f7494dee92fe5ac5a8d8a61fa72e73482ad679d9)
![{\displaystyle \mathrm {E} [f_{j}(X_{j})]=0}](https://wikimedia.org/api/rest_v1/media/math/render/svg/ebc45cdd662236cf2546a2a70c1c03383d50ac3a)
