GA²M

GA²M（带成对交互的广义加性模型）的可解释性依赖于将每个成对形状函数可视化为等高线图。

EBM（Explainable Boosting Machine）是 GA²M 的一种高效实现，它使用提升树学习形状函数，再将其转换为查找表。

BAM（双变量加性模型）属于 GA²M 家族，其核心约束是每一个成对形状函数都被限制为非对称双变量高斯分布。

论文在六个表格基准数据集上进行了实验，结果显示 BAM 的预测精度与标准 GAM 相当，并接近 GA²M 的水平。