Razlika između AIC-a i BIC-a

AIC vs BIC

AIC i BIC naširoko se koriste u kriterijima odabira modela. AIC znači Akaikeov informacijski kriterij, a BIC znači Bayesian informacijski kriterij. Iako su ova dva pojma adresirana na odabiru modela, oni nisu isti. Može se naići na razlike između dva pristupa odabiru modela.

Akaike-ovi informacijski kriteriji formirani su 1973., a Bayesijevi informacijski kriteriji 1978. Hirotsugu Akaike je razvio Akaike-ove informacijske kriterije, dok je Gideon E. Schwarz razvio Bayesijev informacijski kriterij.

AIC se može nazvati zadovoljstvom ispravnosti uklapanja u bilo koji procijenjeni statistički model. BIC je vrsta odabira modela među klasom parametrijskih modela s različitim brojem parametara.

Kada se uspoređuju Bayesovi informacijski kriteriji i Akaike-ovi informacijski kriteriji, kazna za dodatne parametre je veća u BIC-u nego u AIC-u. Za razliku od AIC-a, BIC kažnjava slobodne parametre snažnije.

Akaikeovi informacijski kriteriji uglavnom pokušavaju pronaći nepoznati model koji ima stvarnu dimenzionalnu stvarnost. To znači da modeli nisu pravi modeli u AIC-u. S druge strane, Bayesovi informacijski kriteriji nailaze samo na True modele. Također se može reći da su Bayesovi informacijski kriteriji dosljedni, dok Akaikeovi informacijski kriteriji nisu tako.

Kad Akaike-ovi informacijski kriteriji predstavljaju opasnost da će to iskoristiti. bajezijski informacijski kriteriji predstavljat će opasnost koja bi bila korisna. Iako je BIC tolerantniji u usporedbi s AIC-om, pokazuje nižu toleranciju pri većim brojevima.

Akaike-ovi informacijski kriteriji dobri su za asimptotičku ravnopravnost s unakrsnom validacijom. Naprotiv, Bayesovi informacijski kriteriji dobri su za dosljedno ocjenjivanje.

Sažetak

1. AIC znači Akaikeov informacijski kriterij, a BIC znači Bayesian informacijski kriterij.

2. Akaikeovi informacijski kriteriji formirani su 1973., a Bayesovi informacijski kriteriji 1978. godine.

3. Kada uspoređujemo Bayesijeve kriterije informacija i Akaike-ove informacijske kriterije, kazna za dodatne parametre je veća u BIC-u od AIC-a.

4. Akaikeovi informacijski kriteriji uglavnom pokušavaju pronaći nepoznati model koji ima stvarnu dimenzionalnu stvarnost. S druge strane, Bayesovi informacijski kriteriji nailaze samo na True modele.

5. Bayesijevi informacijski kriteriji su konzistentni, dok Akaikeovi informacijski kriteriji nisu tako.

6. Akaike-ovi informacijski kriteriji dobri su za asimptotičku ekvivalentnost unakrsnoj validaciji. Naprotiv, Bayesovi informacijski kriteriji dobri su za dosljedno ocjenjivanje.

7. Iako je BIC tolerantniji u usporedbi s AIC-om, pokazuje nižu toleranciju pri većim brojevima.

8. Za razliku od AIC-a, BIC kažnjava slobodne parametre snažnije.

//