| Pros | Cons |
|---|---|
| 1. 可解釋性(皆為正，且據統計解釋) 2. 非線性但是可解釋ㄅ1. 可能跑很慢 2. 比起樹模型準確度還是蠻差的 |
Interpretable Machine Learning 4-3 GAMs Python GAM -pyGAM, star 450+ Introduction Article 660+
- 本質上是GLM的拓展，原本GLM，x只能是線性關係，GAM中x可以是非線性關係了
$GLM : y=\beta_{0} + \beta_1 x_1 + \beta_2 x_2 + ... + \beta_p x_p + \epsilon$ $GAM : g(E_{Y}(y|x))= \beta_{0} + f_1 (x_1) + f_2 (x_2) + ... + f_p (x_p)$
- Additive model在解釋時都有很大的方便(像是Non-Negtive Matrix Factorization)
- 有各種統計量，是一個面對統計背景好解釋的模型
- 有Patial Dependence Plot with feature，面向麻瓜也能有好的解釋性
- GAM顯然無法用gradient descent優化，要用其他招數
- 以上，顯然具實用價值