本文提出了一种新的分类方法——可扩展多项式加性模型（SPAM），通过张量秩分解实现高阶特征交互，提升模型的可解释性和扩展性。该方法在真实世界基准测试中表现优异，性能与深度神经网络和XGBoost相当。此外，研究探讨了稀疏加性模型（SpAM）和张量分解模型在高维数据和药物不良反应预测中的应用，显示其在处理复杂数据时的有效性。