本論文では、一般化加法モデル（GAM）とニューラルネットワークの実世界のタブラー データにおけるパフォーマンスを比較します。ニューラルネットワークは予測モデリングにおいて人気があり、GAMは柔軟な非線形統計モデルです。これらのモデルクラスについての文献レビューを行い、143件の論文と430件のデータセットを分析しました。比較結果では、報告された主要なパフォーマンス指標（RMSE、$R^2$、AUC）に基づく一貫した優位性は見られず、ニューラルネットワークは大規模データや多くの予測因子を持つデータセットで良好な性能を示すものの、その優位性は時間と共に縮小しました。一方で、GAMは特に小規模データにおいて競争力を保ちながら解釈可能性を維持しました。このレビューは、GAMとニューラルネットワークは競争相手ではなく補完的なアプローチであるべきであると強調しています。