AIC и BIC
AIC и BIC широко используются в критериях выбора модели. AIC означает, что информационные критерии Akaike и BIC означают байесовские информационные критерии. Хотя эти два условия касаются выбора модели, они не совпадают. Можно встретить разницу между двумя подходами выбора модели.
Информационный критерий Акаики был сформирован в 1973 году и Байесовских информационных критериях в 1978 году. Хироцугу Акаик разработал информационные критерии Акаики, тогда как Гидеон Э. Шварц разработал байесовский информационный критерий.
AIC можно назвать мезоникой хорошего соответствия любой оценочной статистической модели. BIC - это тип выбора модели среди класса параметрических моделей с различным количеством параметров.
При сравнении байесовских информационных критериев и информационных критериев Akaike штраф за дополнительные параметры больше в BIC, чем AIC. В отличие от AIC, BIC сильнее наказывает штрафные параметры.
Информационный критерий Акаика обычно пытается найти неизвестную модель с высокой размерной реальностью. Это означает, что модели не являются истинными моделями в AIC. С другой стороны, байесовские информационные критерии встречаются только с истинными моделями. Можно также сказать, что байесовские информационные критерии согласуются, тогда как информационный критерий Акаики не так.
Когда информационные критерии Акаики представят опасность, что он будет экипирован. Байесовские информационные критерии представят опасность того, что он будет подкреплен. Хотя BIC более толерантен по сравнению с AIC, он демонстрирует меньшую толерантность при большем количестве.
Информационные критерии Акаики полезны для асимптотически эквивалентного перекрестной проверки. Напротив, байесовские информационные критерии хороши для последовательной оценки.
Резюме
1. AIC означает информационные критерии Akaike и BIC означает байесовские информационные критерии.
2. Информационные критерии Акаика были сформированы в 1973 году и Байесовских информационных критериях в 1978 году.
3. При сравнении байесовских информационных критериев и информационных критериев Акаики штраф за дополнительные параметры больше в BIC, чем AIC.
4. Информационный критерий Акаика обычно пытается найти неизвестную модель с высокой размерной реальностью. С другой стороны, байесовские информационные критерии встречаются только с истинными моделями.
5. Байесовские информационные критерии согласуются, тогда как информационный критерий Акаики не так.
6. Информационные критерии Акаики полезны для асимптотически эквивалентного перекрестной проверки. Напротив, байесовские информационные критерии хороши для последовательной оценки.
7. Хотя BIC более толерантен по сравнению с AIC, он демонстрирует меньшую терпимость при более высоких числах.
8. В отличие от АПК, БИК более строго наказывает свободные параметры.
//
