J'utilise de plus en plus les GAM. Lorsque je vais fournir des références pour leurs divers composants (sélection des paramètres de lissage, différentes bases de splines, valeurs de p des termes lisses), ils proviennent tous d'un chercheur - Simon Wood, à l'Université de Bath, en Angleterre.
Il est également le mainteneur de mgcv
R, qui met en œuvre son travail. mgcv
est extrêmement complexe, mais fonctionne remarquablement bien.
Il y a des trucs plus anciens, c'est sûr. L'idée originale est attribuée à Hastie & Tibshirani, et un grand manuel plus ancien a été écrit par Ruppert et al en 2003.
En tant que personne appliquée, je n'ai pas beaucoup de sens pour le zeitgeist parmi les statisticiens universitaires. Comment son travail est-il considéré? Est-ce un peu étrange qu'un chercheur ait fait autant dans un domaine? Ou y a-t-il d'autres travaux qui ne sont tout simplement pas remarqués parce qu'ils ne sont pas mis à l'intérieur mgcv
? Je ne vois pas les GAM utilisés autant, bien que le matériel soit raisonnablement accessible aux personnes ayant une formation statistique et que le logiciel soit assez bien développé. Y a-t-il beaucoup de "back-story"?
Des recommandations de pièces de perspectives et d'autres articles similaires provenant de revues statistiques seraient appréciées.
la source
Réponses:
Il existe de nombreux chercheurs sur les GAM: c'est simplement que fondamentalement le même modèle (GLM avec un prédicteur linéaire donné par la somme des fonctions lisses) reçoit un grand nombre de noms différents. Vous trouverez des modèles que vous pourriez appeler GAM appelés: modèles de régression semi-paramétriques, modèles ANOVA spline de lissage, modèles de régression additive structurée, modèles de structure additive linéaire généralisés, modèles additifs généralisés pour l'échelle et la forme de l'emplacement, modèles à variables latentes gaussiennes, etc.
Une petite sélection de chercheurs sur des sujets liés à GAM avec un angle de calcul est:
Ray Carroll, Maria Durban, Paul Eilers, Trevor Hastie, Chong Gu, Sonja Greven, Thomas Kneib, Stephan Lang, Brian Marx, Bob Rigby, David Ruppert, Harvard Rue, Fabian Scheipl, Mikis Stasinopoulus, Matt Wand, Grace Wahba, Thomas Yee .
(et il y a beaucoup plus de gens qui travaillent sur les GAM boostés, la théorie liée à GAM et les méthodes d'analyse de données fonctionnelles étroitement liées). Mes articles portent principalement sur le développement de méthodes GAM efficaces et générales à calculer, mais ce n'est certainement pas tout ce qu'il y a à dire sur le sujet.
la source
google scholar donne beaucoup de hits, en plus des références ci-dessus, et dans les commentaires, certains qui semblent intéressants sont:
http://www.sciencedirect.com/science/article/pii/S0304380002002041 GAM dans les études de la répartition des espèces, publié dans "Ecological Modeling"
http://aje.oxfordjournals.org/content/156/3/193.short Utilisation des GAM dans les études sur la pollution atmosphérique et la santé
mais l'OP semble se soucier davantage de la théorie statistique, donc:
http://www.sciencedirect.com/science/article/pii/S0167947398000334 il s'agit de mieux adapter les algorithmes
http://onlinelibrary.wiley.com/doi/10.1111/1467-9876.00229/abstract Inférence bayésienne basée sur les antérieurs du champ aléatoire MArkov
http://onlinelibrary.wiley.com/doi/10.1111/1467-9469.00333/abstract?deniedAccessCustomisedMessage=&userIsAuthenticated=false sur les méthodes d'estimation dans GAM's ...
tout cela avec de nombreux auteurs différents, donc la réponse à la question d'origine semble être multiple .
la source