Ero AIC n ja BIC n välillä

AIC vs. BIC

AIC ja BIC käytetään laajalti mallinvalintaperusteissa. AIC tarkoittaa Akaike'n informaatioperusteita ja BIC tarkoittaa Bayesian informaatioperusteita. Vaikka nämä kaksi termiä koskevat mallin valintaa, ne eivät ole samoja. Yksi voi kohdata voi olla ero mallien valinnan kahden lähestymistavan välillä.

Akaike-tietokriteerit perustettiin vuonna 1973 ja Bayesin-tietokriteerit vuonna 1978. Hirotsugu Akaike kehitti Akaike-tietoperusteet, kun taas Gideon E. Schwarz kehitti Bayes-tietokriteerit..

AIC: ta voidaan kutsua minkä tahansa arvioidun tilastollisen mallin sopivuuden mesaureksi. BIC on tyyppinen mallivalinta parametrimallien luokasta, jolla on eri lukumäärä parametreja.

Kun verrataan Bayesin tietokriteerejä ja Akaike-tietoperusteita, rangaistus lisäparametreista on enemmän BIC kuin AIC. Toisin kuin AIC, BIC rankaisee vapaita parametreja voimakkaammin.

Akaiken tietokriteerit yleensä yrittävät löytää tuntemattoman mallin, jolla on korkea ulottuvuus. Tämä tarkoittaa, että mallit eivät ole todellisia malleja AIC: ssa. Toisaalta, Bayesin tietokriteerit kohtaavat vain True-malleja. Voidaan myös sanoa, että Bayesin tietokriteerit ovat johdonmukaisia, kun taas Akaiken tietokriteerit eivät ole niin.

Kun Akaiken tietokriteerit aiheuttavat vaaran, että ne asettuvat. Bayesin tiedotuskriteerit aiheuttavat vaaran, että ne alittavat. Vaikka BIC on suvaitsevampi verrattuna AIC: iin, se osoittaa vähemmän toleranssia suuremmilla lukuilla.

Akaike-tietokriteerit ovat hyviä asymptoottisesti ekvivalenttina ristivalidointiin. Päinvastoin, Bayesin tietokriteerit ovat hyviä johdonmukaiselle arvioinnille.

Yhteenveto

1. AIC tarkoittaa Akaiken tietokriteerejä ja BIC tarkoittaa Bayesin tietokriteereitä.

2. Akaike-tietoperusteet perustettiin vuonna 1973 ja Bayesin-tietoperusteet vuonna 1978.

3. Kun verrataan Bayesin tietokriteerejä ja Akaike-tietokriteereitä, rangaistus lisäparametreista on enemmän BIC kuin AIC.

4. Akaiken tietokriteerit yleensä yrittävät löytää tuntemattoman mallin, jolla on korkea ulottuvuus. Toisaalta, Bayesin tietokriteerit kohtaavat vain True-malleja.

5. Bayesin tietokriteerit ovat johdonmukaisia, kun taas Akaike: n tietokriteerit eivät ole niin.

6. Akaiken tietokriteerit ovat hyviä, jotta asymptoottisesti vastaavat ristiinvalidointia. Päinvastoin, Bayesin tietokriteerit ovat hyviä johdonmukaiselle arvioinnille.

7. Vaikka BIC on suvaitsevampi verrattuna AIC: iin, se osoittaa vähemmän toleranssia suuremmilla lukuilla.

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

//