Starpība starp AIC un BIC

AIC pret BIC

AIC un BIC tiek plaši izmantoti modeļa izvēles kritērijos. AIC ir Akaike informācijas kritēriji un BIC ir Bajesian informācijas kritēriji. Lai arī šie divi termini attiecas uz modeļa izvēli, tie nav vieni un tie paši. Var saskatīt atšķirības starp abām modeļa izvēles metodēm.

Akaike informācijas kritēriji tika izveidoti 1973. gadā un Bajesian informācijas kritēriji - 1978. gadā. Hirotsugu Akaike izstrādāja Akaike informācijas kritērijus, savukārt Gideons E. Švarcs izstrādāja Bajesijas informācijas kritēriju..

AIC var saukt par jebkura novērtētā statistiskā modeļa piemērotības paraugu. BIC ir modeļa izvēles veids starp parametrisko modeļu klasi ar atšķirīgu parametru skaitu.

Salīdzinot Bajesijas informācijas kritērijus un Akaike informācijas kritērijus, sods par papildu parametriem ir vairāk izteikts BIC nekā AIC. Atšķirībā no AIC, BIC spēcīgāk soda brīvos parametrus.

Akaike informācijas kritēriji parasti mēģina atrast nezināmu modeli, kura realitāte ir augsta. Tas nozīmē, ka modeļi nav īsti modeļi AIC. No otras puses, Bajesijas informācijas kritēriji attiecas tikai uz patiesajiem modeļiem. Var arī teikt, ka Baijas informācijas kritēriji ir konsekventi, turpretī Akaike informācijas kritēriji nav tādi.

Kad Akaike informācijas kritēriji radīs briesmas, ka tas varētu pārspīlēt. Bajesijas informācijas kritēriji radīs draudus, ka tie tiks pakļauti pārākumam. Lai gan BIC ir tolerantāks, salīdzinot ar AIC, tas parāda mazāku toleranci lielākiem skaitļiem.

Akaike informācijas kritēriji ir piemēroti asimptotiski līdzvērtīgam savstarpējai validācijai. Gluži pretēji, Bajesijas informācijas kritēriji ir piemēroti konsekventam novērtējumam.

Kopsavilkums

1. AIC ir Akaike informācijas kritēriji un BIC ir Bajesian informācijas kritēriji.

2. Akaike informācijas kritēriji tika izveidoti 1973. gadā un Bajesian informācijas kritēriji - 1978. gadā.

3. Salīdzinot Bajesijas informācijas kritērijus un Akaike informācijas kritērijus, sods par papildu parametriem ir vairāk izteikts BIC nekā AIC.

4. Akaike informācijas kritēriji parasti mēģina atrast nezināmu modeli, kura realitāte ir augsta. No otras puses, Bajesijas informācijas kritēriji attiecas tikai uz patiesajiem modeļiem.

5. Baijas informācijas kritēriji ir konsekventi, turpretī Akaike informācijas kritēriji nav tādi.

6. Akaike informācijas kritēriji ir labi, lai asimptotiski būtu līdzvērtīgi savstarpējai validācijai. Gluži pretēji, Bajesijas informācijas kritēriji ir piemēroti konsekventam novērtējumam.

7. Lai gan BIC ir tolerantāks, salīdzinot ar AIC, tas parāda mazāku toleranci lielākiem skaitļiem.

8. Atšķirībā no AIC, BIC spēcīgāk soda brīvos parametrus.

//