AIC ja BIC
AIC ja BIC käytetään laajalti mallin valintakriteereissä. AIC tarkoittaa Akaike-tietojenkeruumenetelmää ja BIC: tä Bayesi-informaatiokriteereitä. Vaikka nämä kaksi termiä käsittelevät mallivalikoimaa, ne eivät ole samoja. Voidaan havaita ero mallinvalinnan kahden lähestymistavan välillä.
Akaike'n tiedon kriteerit perustettiin vuonna 1973 ja Bayesian tietolähteet vuonna 1978. Hirotsugu Akaike kehitti Akaike-tiedonkeruukriteerit, kun taas Gideon E. Schwarz kehitti Bayesian tiedon kriteerin.
AIC: ta voidaan kutsua kaiken arvioidun tilastomallin sopivuuden hyväksi. BIC on mallivalikoiman tyyppi parametristen mallien luokasta, jossa on useita parametreja.
Vertaamalla Bayesian tietojenkeruumenetelmiä ja Akaike-tietosyistä kriteereitä lisäparametreille on enemmän BIC kuin AIC. Toisin kuin AIC, BIC rangaisee vapaita parametrejä voimakkaammin.
Akaike-tietojärjestelmä pyrkii usein löytämään tuntematonta mallia, jolla on suuri ulottuvuus. Tämä tarkoittaa, että mallit eivät ole todellisia malleja AIC: ssä. Toisaalta bayesiläiset tiedotusperusteet koskettavat vain todellisia malleja. Voidaan myös sanoa, että Bayesin tietolähteet ovat johdonmukaisia, kun taas Akaike-tietolähteitä ei ole.
Kun Akaike'n tietolähteistä ilmenee vaara, että se olisi asennettu. Bayesin tietolähteet aiheuttavat sen vaaran, että se olisi alhaisempi. Vaikka BIC on suvaitsevampi verrattuna AIC: hen, se osoittaa vähemmän suvaitsevaisuutta suuremmissa numeroissa.
Akaike'n tiedonkeruuperusteet ovat hyvät, koska ne vastaavat asymptoottisesti ristiin validointia. Päinvastoin, Bayesin tietolähteet ovat hyviä johdonmukaisen arvioinnin kannalta.
Yhteenveto
1. AIC tarkoittaa Akaike'n tiedonkeruuta ja BIC: ä Bayesian tietolähteitä.
2. Akaike'n tiedon kriteerit perustettiin vuonna 1973 ja Bayesian Information Criteria vuonna 1978.
3. Vertaamalla Bayesian tietolähteitä ja Akaike-tietolähteitä, lisäparametrien rangaistus on enemmän BIC kuin AIC.
4. Akaike-tietosyötteet pyrkivät yleensä löytämään tuntematonta mallia, jolla on suuri ulottuvuus. Toisaalta bayesiläiset tiedotusperusteet koskettavat vain todellisia malleja.
5. Bayesian tietolähteet ovat johdonmukaisia, kun taas Akaike-tietojärjestelmä ei ole niin.
6. Akaike: n tiedonkeruuperusteet ovat hyvät asymptoottisesti vastaavan ristiinvalidoinnissa. Päinvastoin, Bayesin tietolähteet ovat hyviä johdonmukaisen arvioinnin kannalta.
7. Vaikka BIC on suvaitsevampi verrattuna AIC: hen, se osoittaa vähemmän suvaitsevaisuutta suuremmissa numeroissa.
8. Toisin kuin AIC, BIC rangaisee vapaita parametrejä voimakkaammin.
//
