Perbezaan antara AIC dan BIC

AIC vs BIC

AIC dan BIC digunakan secara meluas dalam kriteria pemilihan model. AIC bermaksud kriteria maklumat Akaike dan BIC bermaksud kriteria maklumat Bayesian. Walaupun kedua -dua istilah ini menangani pemilihan model, mereka tidak sama. Seseorang dapat menemui perbezaan antara dua pendekatan pemilihan model.

Kriteria Maklumat Akaike dibentuk pada tahun 1973 dan kriteria maklumat Bayesian pada tahun 1978. Hirotsugu Akaike mengembangkan kriteria maklumat Akaike sedangkan Gideon e. Schwarz mengembangkan kriteria maklumat Bayesian.

AIC boleh disebut sebagai mesaure kebaikan yang sesuai dengan mana -mana model statistik yang dianggarkan. BIC adalah jenis pemilihan model di kalangan kelas model parametrik dengan bilangan parameter yang berlainan.

Semasa membandingkan kriteria maklumat Bayesian dan kriteria maklumat Akaike, penalti untuk parameter tambahan lebih banyak daripada BIC daripada AIC. Tidak seperti AIC, BIC menghukum parameter percuma.

Kriteria maklumat Akaike umumnya cuba mencari model yang tidak diketahui yang mempunyai realiti dimensi tinggi. Ini bermaksud model bukan model yang benar di AIC. Sebaliknya, kriteria maklumat Bayesian hanya menyentuh model yang benar. Ia juga boleh dikatakan bahawa kriteria maklumat Bayesian konsisten sedangkan kriteria maklumat Akaike tidak begitu.

Ketika kriteria maklumat Akaike akan menimbulkan bahaya yang akan dilakukannya. Kriteria Maklumat Bayesian akan membentangkan bahaya yang akan disahkan. Walaupun BIC lebih bertoleransi apabila dibandingkan dengan AIC, ia menunjukkan kurang toleransi pada bilangan yang lebih tinggi.

Kriteria maklumat Akaike adalah baik untuk membuat asimtotik bersamaan dengan pengesahan silang. Sebaliknya, kriteria maklumat Bayesian adalah baik untuk anggaran yang konsisten.

Ringkasan

1. AIC bermaksud kriteria maklumat Akaike dan BIC bermaksud kriteria maklumat Bayesian.

2. Kriteria Maklumat Akaike dibentuk pada tahun 1973 dan kriteria maklumat Bayesian pada tahun 1978.

3. Semasa membandingkan kriteria maklumat Bayesian dan kriteria maklumat Akaike, penalti untuk parameter tambahan lebih banyak daripada BIC daripada AIC.

4. Kriteria maklumat Akaike umumnya cuba mencari model yang tidak diketahui yang mempunyai realiti dimensi tinggi. Sebaliknya, kriteria maklumat Bayesian hanya menyentuh model yang benar.

5. Kriteria maklumat Bayesian konsisten sedangkan kriteria maklumat Akaike tidak begitu.

6. Kriteria maklumat Akaike adalah baik untuk membuat asimtotik bersamaan dengan pengesahan silang. Sebaliknya, kriteria maklumat Bayesian adalah baik untuk anggaran yang konsisten.

7. Walaupun BIC lebih bertoleransi apabila dibandingkan dengan AIC, ia menunjukkan kurang toleransi pada bilangan yang lebih tinggi.

8. Tidak seperti AIC, BIC menghukum parameter percuma.

//