Różnica między AIC i BIC

AIC vs Bic

AIC i BIC są szeroko stosowane w kryteriach wyboru modelu. AIC oznacza kryteria informacyjne Akaike, a BIC oznacza kryteria informacyjne bayesowskie. Chociaż te dwa terminy adresu modelu, nie są one takie same. Można się spotkać, może różnica między dwoma podejściami wyboru modelu.

Kryteria informacyjne Akaike zostały utworzone w 1973 roku, a Bayesowskie kryteria informacyjne w 1978 roku. Hirotsugu Akaike opracował kryteria informacyjne Akaike, podczas gdy Gideon E. Schwarz opracował bayesowskie kryterium informacji.

AIC można określić jako mesaure dobroci dopasowania dowolnego szacowanego modelu statystycznego. BIC jest rodzajem wyboru modeli wśród klasy modeli parametrycznych o różnej liczbie parametrów.

Porównując bayesowskie kryteria informacyjne i kryteria informacyjne Akaike, kara za dodatkowe parametry jest bardziej niż AIC. W przeciwieństwie do AIC, BIC silniej kara wolne parametry.

Akaike's Information Criteria ogólnie próbuje znaleźć nieznany model, który ma rzeczywistość o wysokiej wymiaru. Oznacza to, że modele nie są prawdziwymi modelami w AIC. Z drugiej strony, bayesowskie kryteria informacyjne pojawiają się tylko prawdziwe modele. Można również powiedzieć, że kryteria informacyjne bayesowskiego są spójne, podczas gdy kryteria informacyjne Akaike nie są tak.

Kiedy kryteria informacyjne Akaike stanowią niebezpieczeństwo, że wyposaży. Bayesowskie kryteria informacyjne stanowią niebezpieczeństwo, że będzie to znieść. Chociaż BIC jest bardziej tolerancyjny w porównaniu z AIC, wykazuje mniejszą tolerancję na wyższych liczbach.

Kryteria informacyjne Akaike są dobre do zapewnienia asymptotycznego równoważnego z walidacją krzyżową. Przeciwnie, Bayesowskie kryteria informacyjne są dobre do spójnego oszacowania.

Streszczenie

1. AIC oznacza kryteria informacyjne Akaike, a BIC oznacza kryteria informacyjne bayesowskie.

2. Kryteria informacyjne Akaike zostały utworzone w 1973 roku, a Bayesowskie kryteria informacyjne w 1978 roku.

3. Porównując bayesowskie kryteria informacyjne i kryteria informacyjne Akaike, kara za dodatkowe parametry jest bardziej niż AIC.

4. Akaike's Information Criteria ogólnie próbuje znaleźć nieznany model, który ma rzeczywistość o wysokiej wymiaru. Z drugiej strony, bayesowskie kryteria informacyjne pojawiają się tylko prawdziwe modele.

5. Bayesowskie kryteria informacyjne są spójne, podczas gdy kryteria informacyjne Akaike nie są tak.

6. Kryteria informacyjne Akaike są dobre do zapewnienia asymptotycznego równoważnego z walidacją krzyżową. Przeciwnie, Bayesowskie kryteria informacyjne są dobre do spójnego oszacowania.

7. Chociaż BIC jest bardziej tolerancyjny w porównaniu z AIC, wykazuje mniejszą tolerancję na wyższych liczbach.

8. W przeciwieństwie do AIC, BIC silniej kara wolne parametry.

//