Ero AIC ja BIC



AIC vs BIC

AIC ja BIC käytetään laajalti mallissa valintakriteerit. AIC tarkoittaa Akaike 's Information kriteerit ja BIC tarkoittaa Bayes Information kriteerit. Vaikka nämä kaksi termiä käsitellä mallin valinta, ne eivät ole samoja. Yksi törmännyt voi ero näiden kahden lähestymistapoja mallin valinta.

Akaike 's Information Criteria muodostettiin vuonna 1973 ja Bayes Information kriteerit vuonna 1978. Hirotsugu Akaike kehittänyt Akaike' s Information Criteria taas Gideon E. Schwarz kehitetty Bayes tietoa kriteeri.

AIC voidaan kutsua kuin mesaure hyvyydestä sovi minkään arvioidaan tilastollisen mallin. BIC on eräänlainen mallin valinta keskuudessa luokkaansa parametristen mallien joissa on eri määrä parametreja.

Verrattaessa Bayes Information kriteerit ja Akaike 's Information kriteerit, rangaistus lisäparametreja on enemmän BIC kuin AIC. Toisin kuin AIC, BIC rankaisee vapaita parametreja voimakkaammin.

Akaike 's Information Criteria yleensä yrittää löytää tuntemattomia malli, joka on korkea kolmiulotteinen todellisuus. Tämä tarkoittaa, että mallit eivät ole totta malleja AIC. Toisaalta, Bayes Information kriteerit tulee esille vain True malleissa. Voidaan myös sanoa, että Bayesin tiedot kriteerit on johdonmukainen taas Akaike 's Information Criteria ei ole niin.

Kun Akaike 's Information Criteria esittelevät vaara, että se asu. Bayes Information kriteerit esittelevät vaara, että se underfit. Vaikka BIC on suvaitsevainen verrattuna AIC, se osoittaa vähemmän toleranssi korkeammissa numeroita.

Akaike 's Information kriteerit on hyvä tehdä asymptotically vastaa ristivalidointi. Päinvastoin, Bayes Information kriteerit on hyvä johdonmukainen arviointi.

Yhteenveto

1. AIC tarkoittaa Akaike 's Information kriteerit ja BIC tarkoittaa Bayes Information Criteria.



2. Akaike 's Information Criteria muodostettiin vuonna 1973 ja Bayes Information kriteerit vuonna 1978.

3. Verrattaessa Bayes Information kriteerit ja Akaike 's Information kriteerit, rangaistus lisäparametreja on enemmän BIC kuin AIC.

4. Akaike 's Information Criteria yleensä yrittää löytää tuntemattomia malli, joka on korkea kolmiulotteinen todellisuus. Toisaalta, Bayes Information kriteerit tulee esille vain True malleja.

5. Bayes Information Criteria on johdonmukainen taas Akaike 's Information Criteria ei ole niin.

6. Akaike 's Information kriteerit on hyvä tehdä asymptotically vastaa ristivalidointi. Päinvastoin, Bayes Information kriteerit on hyvä johdonmukainen arviointi.

7. Vaikka BIC on suvaitsevainen verrattuna AIC, se osoittaa vähemmän toleranssi korkeammissa numeroita.

8. Toisin kuin AIC, BIC rankaisee vapaita parametreja voimakkaammin.