AIC a BIC
AIC a BIC jsou široce používány v kritériích výběru modelů. AIC znamená informační kritéria společnosti Akaike a BIC jsou Bayesovské informační kritéria. Ačkoli se tyto dva pojmy zabývají výběrem modelu, nejsou stejné. Člověk může narazit na rozdíl mezi dvěma způsoby výběru modelu.
Akaikeova informační kritéria byla vytvořena v roce 1973 a Bayesian informační kritéria v roce 1978. Hirotsugu Akaike vyvinul Akaikeovy informační kritéria, zatímco Gideon E. Schwarz vyvinul Bayesovo informační kritérium.
AIC může být nazváno jako měřítko dobrého přizpůsobení jakéhokoli odhadovaného statistického modelu. BIC je typ výběru modelu mezi třídou parametrických modelů s různým počtem parametrů.
Při porovnávání Bayesovských informačních kritérií a informačních kritérií společnosti Akaike je sankce za další parametry více v BIC než AIC. Na rozdíl od AIC, BIC penalizuje volnější parametry silněji.
Akaikeova informační kritéria se obecně snaží najít neznámý model, který má vysokou rozměrovou realitu. To znamená, že modely nejsou pravdivé modely v AIC. Na druhou stranu Bayesovské informační kritéria se setkávají pouze s modely True. Lze také říci, že Bayesovská informační kritéria jsou konzistentní, zatímco Akaikeova informační kritéria tomu tak není.
Když Akaikeova informační kritéria představují nebezpečí, že by to vystihovalo. bayesovské informační kritéria představují nebezpečí, že by to mohlo zhoršit. Ačkoli BIC je více tolerantní ve srovnání s AIC, vykazuje méně tolerance u vyšších čísel.
Akaikeova informační kritéria jsou dobré pro to, aby se asymptoticky rovnali křížové validaci. Naopak Bayesovské informační kritéria jsou dobré pro důsledné odhady.
souhrn
1. AIC znamená informační kritéria společnosti Akaike a BIC jsou Bayesovské informační kritéria.
2. Akaikeova informační kritéria byla vytvořena v roce 1973 a Bayesian informační kritéria v roce 1978.
3. Při porovnávání Bayesovských informačních kritérií a informačních kritérií společnosti Akaike je sankce za další parametry více v BIC než AIC.
4. Akaikeova informační kritéria se obecně snaží najít neznámý model, který má vysokou rozměrovou realitu. Na druhou stranu Bayesovské informační kritéria se setkávají pouze s modely True.
5. Bayesovská informační kritéria jsou konzistentní, zatímco Akaikeova informační kritéria nejsou tak.
6. Informační kritéria společnosti Akaike jsou dobré pro asymptotickou ekvivalenci křížové validace. Naopak Bayesovské informační kritéria jsou dobré pro důsledné odhady.
7. Ačkoli BIC je více tolerantní ve srovnání s AIC, vykazuje méně tolerance u vyšších čísel.
8. Na rozdíl od AIC BIC penalizuje volnější parametry silněji.
//
