Coraz częściej używam GAM. Kiedy idę, aby podać odniesienia do ich różnych składników (wybór parametrów wygładzania, różne podstawy splajnu, wartości p gładkich wyrażeń), wszystkie pochodzą od jednego badacza - Simona Wooda z University of Bath w Anglii.
Jest także opiekunem mgcv
w R, który realizuje swoją pracę. mgcv
jest niezwykle złożony, ale działa wyjątkowo dobrze.
Na pewno są starsze rzeczy. Oryginalny pomysł przypisuje się Hastie i Tibshirani, a świetny starszy podręcznik został napisany przez Rupperta i in. W 2003 roku.
Jako osoba stosująca nie mam wrażenia zeitgeist wśród statystycznych naukowców. Jaka jest jego praca? Czy to trochę dziwne, że jeden badacz zrobił tak wiele w jednym obszarze? A może jest inna praca, która po prostu nie jest tak bardzo zauważana, ponieważ nie można jej włożyć mgcv
? Nie widzę, aby GAM były tak często używane, chociaż materiał jest dość dostępny dla osób z wykształceniem statystycznym, a oprogramowanie jest dość dobrze rozwinięte. Czy jest dużo „historii”?
Docenione zostaną rekomendacje elementów perspektywicznych i innych podobnych artykułów z czasopism statystycznych.
źródło
Odpowiedzi:
Istnieje wielu badaczy GAM: po prostu ten sam model (GLM z predyktorem liniowym podanym przez sumę funkcji gładkich) ma wiele różnych nazw. Znajdziesz modele, które możesz nazwać GAM zwanymi: modele regresji półparametrycznej, modele ANOVA wygładzania splajnu, modele regresji strukturalnej addytywnej, uogólnione liniowe modele struktury addytywnej, uogólnione modele addytywne dla skali i kształtu lokalizacji, modele zmiennych utajonych Gaussa itp.
Niewielki wybór badaczy zajmujących się zagadnieniami związanymi z GAM pod kątem obliczeniowym to:
Ray Carroll, Maria Durban, Paul Eilers, Trevor Hastie, Chong Gu, Sonja Greven, Thomas Kneib, Stephan Lang, Brian Marks, Bob Rigby, David Ruppert, Harvard Rue, Fabian Scheipl, Mikis Stasinopoulus, Matt Wand, Grace Wahba, Thomas Yee .
(i dużo więcej osób pracuje nad ulepszonymi GAM, teoriami związanymi z GAM i ściśle powiązanymi metodami analizy danych funkcjonalnych). Moje prace dotyczą głównie opracowywania metod GAM, które są wydajne i ogólne do obliczeń, ale z pewnością nie wszystko to można powiedzieć na ten temat.
źródło
badacz google podaje wiele trafień, oprócz powyższych odniesień oraz w komentarzach, niektóre, które wyglądają interesująco to:
http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM w badaniach rozmieszczenia gatunków, opublikowane w „Ecological Modeling”
http://aje.oxfordjournals.org/content/156/3/193.short Wykorzystanie GAM w badaniach zanieczyszczenia powietrza i zdrowia
ale OP wydaje się bardziej troszczyć o teorię statystyczną, więc:
http://www.sciencedirect.com/science/article/pii/S0167947398000334 chodzi o lepsze dopasowanie algorytmów
http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abstract Wnioskowanie bayesowskie na podstawie priorów pola losowego MArkov
http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/abstract?deniedAccessCustomisedMessage=&userIsAuthenticated=false na temat metod szacowania w GAM ...
wszystko to z wieloma różnymi autorami, więc odpowiedź na oryginalne pytanie wydaje się być wielka .
źródło