Różnica między AIC i BIC

AIC vs BIC

AIC i BIC są szeroko stosowane w kryteriach wyboru modelu. AIC oznacza Akaike's Information Criteria, a BIC oznacza Bayesian Information Criteria. Chociaż te dwa terminy dotyczą wyboru modelu, nie są takie same. Można natknąć się na różnicę między dwoma podejściami wyboru modelu.

Kryteria informacyjne Akaike powstały w 1973 r., A Bayesowskie kryteria informacyjne w 1978 r. Hirotsugu Akaike opracował Kryteria informacyjne Akaike, natomiast Gideon E. Schwarz opracował kryterium informacji bayesowskiej.

AIC można nazwać miernikiem dobroci dopasowania każdego szacowanego modelu statystycznego. BIC jest rodzajem wyboru modelu spośród klasy modeli parametrycznych o różnej liczbie parametrów.

Porównując Bayesowskie Kryteria Informacyjne i Kryteria Informacyjne Akaike, kara za dodatkowe parametry jest większa w BIC niż w AIC. W przeciwieństwie do AIC, BIC silniej karze wolne parametry.

Kryteria informacyjne Akaike zazwyczaj próbują znaleźć nieznany model, który ma rzeczywistość wielowymiarową. Oznacza to, że modele nie są prawdziwymi modelami w AIC. Z drugiej strony, Bayesowskie Kryteria Informacyjne dotyczą tylko modeli True. Można również powiedzieć, że kryteria informacyjne Bayesa są spójne, podczas gdy kryteria informacyjne Akaike nie są takie.

Kiedy kryteria informacyjne Akaike przedstawią niebezpieczeństwo, że będzie pasować. Bayesowskie Kryteria Informacyjne będą stanowić niebezpieczeństwo, że nie będą wystarczające. Chociaż BIC jest bardziej tolerancyjny w porównaniu do AIC, wykazuje mniejszą tolerancję przy wyższych liczbach.

Kryteria informacyjne Akaike są dobre do asymptotycznego równoważenia walidacji krzyżowej. Przeciwnie, bayesowskie kryteria informacyjne są dobre dla spójnego oszacowania.

streszczenie

1. AIC oznacza Kryteria informacyjne Akaike, a BIC oznacza Bayesowskie kryteria informacyjne.

2. Kryteria informacyjne Akaike zostały utworzone w 1973 r., A Bayesowskie kryteria informacyjne w 1978 r.

3. Porównując Bayesowskie kryteria informacyjne i kryteria informacyjne Akaike, kara za dodatkowe parametry jest większa w BIC niż w AIC.

4. Kryteria informacyjne firmy Akaike zazwyczaj próbują znaleźć nieznany model, który ma rzeczywistość wielowymiarową. Z drugiej strony, Bayesowskie Kryteria Informacyjne dotyczą tylko modeli True.

5. Kryteria informacyjne Bayesa są spójne, podczas gdy kryteria informacyjne Akaike nie są takie.

6. Kryteria informacyjne Akaike są dobre do asymptotycznego równoważenia walidacji krzyżowej. Przeciwnie, bayesowskie kryteria informacyjne są dobre dla spójnego oszacowania.

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

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

//