AIC i BIC
AIC i BIC są szeroko stosowane w kryteriach wyboru modelu. AIC oznacza kryteria informacyjne Akaike, a BIC oznacza Bayesian Information Criteria. Chociaż te dwa pojęcia dotyczą wyboru modelu, nie są one takie same. Można natknąć się na różnicę między dwoma podejściami wyboru modelu.
Kryteria informacyjne Akaike powstały w 1973 r., A kryteria informacyjne Bayesian w 1978 r. Hirotsugu Akaike opracował kryteria informacyjne Akaike, natomiast Gideon E. Schwarz opracował Bayesowskie kryterium informacyjne.
AIC można nazwać mesaure dobroci dopasowania dowolnego oszacowanego modelu statystycznego. BIC jest rodzajem wyboru modelu spośród klas modeli parametrycznych o różnej liczbie parametrów.
Porównując Bayesian Information Criteria i Akaike's Information Criteria, kara za dodatkowe parametry jest bardziej w BIC niż AIC. W przeciwieństwie do AIC, BIC karze silniej wolne parametry.
Kryteria informacyjne Akaike zasadniczo próbują znaleźć nieznany model, który ma wysoką rzeczywistość wymiarową. Oznacza to, że modele nie są prawdziwymi modelami w AIC. Z drugiej strony, Bayesowskie Kryteria Informacyjne dotyczą tylko modeli True. Można również powiedzieć, że Bayesowskie Kryteria Informacyjne są spójne, podczas gdy Kryteria Informacyjne Akaike nie są takie.
Kiedy Kryteria Informacyjne Akaike będą stanowiły zagrożenie, że się nada. Bayesowskie Kryteria Informacyjne będą przedstawiać niebezpieczeństwo, że będzie się nadawał. Chociaż BIC jest bardziej tolerancyjny w porównaniu do AIC, wykazuje mniejszą tolerancję przy wyższych liczbach.
Kryteria informacyjne Akaike są dobre do asymptotycznego równoważenia sprawdzania krzyżowego. Wręcz przeciwnie, Bayesowskie Kryteria Informacyjne są dobre dla spójnej oceny.
streszczenie
1. AIC oznacza kryteria informacyjne Akaike, a BIC oznacza Bayesian Information Criteria.
2. Kryteria informacyjne Akaike zostały sformułowane w 1973 r., A Bayesowska Kryteria Informacyjne w 1978 r.
3. Przy porównywaniu Bayesian Information Criteria i Akaike's Information Criteria, kara za dodatkowe parametry jest bardziej w BIC niż AIC.
4. Kryteria informacyjne Akaike zasadniczo próbują znaleźć nieznany model, który ma wysoką rzeczywistość wymiarową. Z drugiej strony, Bayesowskie Kryteria Informacyjne dotyczą tylko modeli True.
5. Bayesowskie Kryteria Informacyjne są spójne, podczas gdy Kryteria Informacyjne Akaike nie są takie.
6. Kryteria informacyjne Akaike są dobre do asymptotycznego równoważenia weryfikacji krzyżowej. Wręcz przeciwnie, Bayesowskie Kryteria Informacyjne są dobre dla spójnej oceny.
7. Chociaż BIC jest bardziej tolerancyjny w porównaniu z AIC, wykazuje mniejszą tolerancję przy wyższych liczbach.
8. W przeciwieństwie do AIC, BIC karze silniej wolne parametry.
//
