AIC ve BIC Arasındaki Fark

AIC ve BIC

AIC ve BIC, model seçim kriterlerinde yaygın olarak kullanılmaktadır. AIC, Akaike'nin Bilgi Kriterleri ve BIC, Bayesci Bilgi Kriterleri anlamına gelir. Bu iki terim model seçimini ele alsa da, bunlar aynı değildir. Karşılaşılabilecek iki model seçim yaklaşımı arasında fark olabilir.

Akaike'nin Bilgi Kriterleri 1973'te ve Bayesian Bilgi Kriterleri 1978'de kuruldu. Hirotsugu Akaike, Akaike'nin Bilgi Kriterleri'ni geliştirirken Gideon E. Schwarz, Bayesci bilgi ölçütünü geliştirdi.

AIC, tahmin edilen herhangi bir istatistiksel modelin uyum iyiliğinin bir göstergesi olarak adlandırılabilir. BIC, farklı sayıda parametreye sahip bir grup parametrik model arasında bir model seçimidir.

Bayesian Bilgi Kriterleri ve Akaike'nin Bilgi Kriterleri karşılaştırıldığında, ek parametreler için ceza BIC'de AIC'den daha fazladır. AIC'den farklı olarak, BIC serbest parametreleri daha güçlü cezalandırır.

Akaike'nin Bilgi Kriterleri genellikle yüksek boyutlu gerçekliğe sahip bilinmeyen bir model bulmaya çalışır. Bu, modellerin AIC'deki gerçek modeller olmadığı anlamına gelir. Diğer yandan, Bayes Bilgi Kriterleri sadece Gerçek modellerle karşılaşır. Bayes Bilgi Kriterlerinin tutarlı olduğu, Akaike Bilgi Kriterlerinin ise tutarlı olmadığı söylenebilir..

Akaike'nin Bilgi Kriterleri, kıyafete girme tehlikesini ne zaman sunacak? Bayesçi Bilgi Kriterleri, onun yetersiz kalacağı tehlikesini ortaya koyacaktır. BIC, AIC'ye kıyasla daha toleranslı olmasına rağmen, yüksek sayılarda daha az tolerans gösterir.

Akaike'nin Bilgi Kriterleri, asemptotik olarak çapraz validasyona eşdeğer yapmak için iyidir. Aksine, Bayes Bilgi Kriterleri tutarlı tahmin için iyidir.

özet

1. AIC, Akaike'nin Bilgi Kriterleri anlamına gelirken BIC, Bayesci Bilgi Kriterleri anlamına gelir.

2. Akaike'nin Bilgi Kriterleri 1973'te ve Bayes Bilgi Kriterleri 1978'de kuruldu.

3. Bayes Bilgi Kriterleri ve Akaike'nin Bilgi Kriterleri karşılaştırıldığında, ek parametreler için ceza BIC'de AIC'den daha fazladır.

4. Akaike'nin Bilgi Kriterleri genellikle yüksek boyutlu gerçekliğe sahip bilinmeyen bir model bulmaya çalışır. Öte yandan, Bayes Bilgi Kriterleri sadece Gerçek modellere rastlar.

5. Bayes Bilgi Kriterleri tutarlıdır, oysa Akaike'nin Bilgi Kriterleri öyle değildir.

6. Akaike'nin Bilgi Kriterleri asemptotik olarak çapraz validasyona eşdeğerdir. Aksine, Bayes Bilgi Kriterleri tutarlı tahmin için iyidir.

7. BIC, AIC'ye göre daha toleranslı olmasına rağmen, yüksek sayılarda daha az tolerans gösterir.

8. AIC'den farklı olarak, BIC serbest parametreleri daha güçlü cezalandırır.

//