Modele drzewiaste i lasy losowe Modele drzewiaste, lasy losowe i metody boostingu mogą automatycznie wykrywać złożone interakcje i nieliniowości, ale zwykle są mniej przejrzyste jako modele opisowe. GAM-y są często wybierane wtedy, gdy oprócz predykcji ważna jest interpretacja kształtu zależności między predyktorami a odpowiedzią.
Modele czysto nieparametryczne Modele w pełni nieparametryczne mogą być bardziej elastyczne, ale w wysokim wymiarze cierpią na problem przekleństwa wymiarowości. Struktura addytywna GAM-u ogranicza złożoność modelu i ułatwia estymację, choć kosztem nieuwzględnienia wszystkich możliwych interakcji, o ile nie zostaną jawnie dodane do modelu.
Zastosowania Uogólnione modele addytywne stosuje się w wielu dziedzinach, między innymi w: epidemiologii i zdrowiu publicznym; ekologii i naukach o środowisku; ekonomii i finansach; analizie szeregów czasowych; geografii i modelowaniu przestrzennym; ubezpieczeniach; medycynie; marketingu i analizie zachowań klientów; modelowaniu ryzyka; bioinformatyce i naukach przyrodniczych.
GAM-y są użyteczne zwłaszcza wtedy, gdy zależność między zmienną objaśnianą a predyktorem jest nieliniowa, ale badacz chce zachować możliwość przedstawienia efektu predyktora w postaci wykresu jednej funkcji.