Modèles additifs généralisés: S'attaquer à la dimensionnalité

Cette séance de cours de l'instructeur porte sur le concept d'estimation des fonctions lisses dans le contexte des modèles additifs généralisés (GAM). À partir de l'estimation d'une fonction univariée, la séance de cours progresse jusqu'à l'extension des GAM pour les covariables multivariées. La malédiction de la dimensionnalité est discutée, soulignant les défis rencontrés dans les espaces de haute dimension. L'algorithme Backfitting est introduit comme méthode pour adapter efficacement les modèles additifs. De plus, la séance de cours explore l'approche de la régression de la poursuite de la projection, qui décompose la variable de réponse en fonctions lisses en fonction d'une caractéristique linéaire globale. On discute des avantages et des inconvénients de cette approche, en mettant l'accent sur le compromis entre l'interprétation et la performance prédictive.