Різниця між AIC та BIC

AIC vs BIC

AIC та BIC широко використовуються в критеріях вибору моделі. AIC означає інформаційні критерії Akaike, а BIC - інформаційні критерії Bayesian. Хоча ці два терміни стосуються вибору моделі, вони не є однаковими. Можливо, може виникнути різниця між двома підходами вибору моделі.

Інформаційні критерії Akaike були сформовані в 1973 році, а байесовські інформаційні критерії - у 1978 році. Хіроцугу Акайке розробив інформаційні критерії Akaike, тоді як Гедеон Е. Шварц розробив байєсівський критерій інформації.

АПК можна назвати оцінкою корисності придатності будь-якої оціночної статистичної моделі. BIC - це тип вибору моделі серед класу параметричних моделей з різною кількістю параметрів.

Якщо порівнювати байєсівські критерії інформації та інформаційні критерії Akaike, штраф за додаткові параметри більше в BIC, ніж AIC. На відміну від AIC, BIC більш сильно карає вільні параметри.

Інформаційні критерії Akaike, як правило, намагаються знайти невідому модель, яка має реалізацію високої міри. Це означає, що моделі не є справжніми моделями в AIC. З іншого боку, Байєсові інформаційні критерії зустрічаються лише в істинних моделях. Можна також сказати, що байєсівські критерії інформації послідовні, тоді як інформаційні критерії Akaike - це не так.

Коли інформаційні критерії Akaike представлятимуть небезпеку, яку вона може застосувати. Байєсійські інформаційні критерії представлятимуть небезпеку, яку це може принести користь. Хоча BIC є більш толерантним у порівнянні з AIC, він демонструє меншу толерантність при більшій кількості.

Інформаційні критерії Akaike хороші для того, щоб зробити асимптотично рівнозначним перехресній валідації. Навпаки, Байєсівські критерії інформації корисні для послідовного оцінювання.

Підсумок

1. AIC означає інформаційні критерії Akaike, а BIC - інформаційні критерії Bayesian.

2. Інформаційні критерії Akaike були сформовані в 1973 р., А Байєські інформаційні критерії - у 1978 році.

3. Якщо порівнювати байєсівські критерії інформації та інформаційні критерії Akaike, штраф за додаткові параметри більше в BIC, ніж AIC.

4. Інформаційні критерії Akaike, як правило, намагаються знайти невідому модель, яка має реалізацію високої міри. З іншого боку, Байєсові інформаційні критерії зустрічаються лише в істинних моделях.

5. Байєсівські критерії інформації послідовні, тоді як інформаційні критерії Akaike - це не так.

6. Інформаційні критерії Akaike корисні для того, щоб зробити асимптотично рівнозначним перехресну перевірку. Навпаки, Байєсівські критерії інформації корисні для послідовного оцінювання.

7. Хоча BIC є більш толерантним у порівнянні з AIC, він демонструє меншу толерантність при більшій кількості.

8. На відміну від AIC, BIC більш сильно карає вільні параметри.

//