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 memilih pemilihan model, mereka tidak sama. Satu dapat mencari perbezaan antara kedua-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 momen dari kebaikan patut dari mana-mana model statistik yang dianggarkan. BIC adalah sejenis pemilihan model di antara kelas model parametrik dengan bilangan parameter yang berlainan.

Apabila membandingkan Kriteria Maklumat Bayesian dan Kriteria Maklumat Akaike, penalti bagi parameter tambahan lebih tinggi dalam BIC daripada AIC. Tidak seperti AIC, BIC menghukum parameter percuma dengan lebih kuat.

Kriteria Maklumat Akaike umumnya cuba mencari model yang tidak diketahui yang mempunyai realiti dimensi tinggi. Ini bermakna model bukan model sebenar dalam AIC. Sebaliknya, Kriteria Maklumat Bayesian hanya merangkumi model Benar. Ia juga boleh dikatakan bahawa Kriteria Maklumat Bayesian adalah konsisten manakala Kriteria Maklumat Akaike tidak begitu.

Apabila Kriteria Maklumat Akaike akan menimbulkan bahaya bahawa ia akan menjadi pakaian. Kriteria Maklumat Bayesian akan membahayakan bahaya yang di bawahnya. Walaupun BIC lebih bertoleransi jika dibandingkan dengan AIC, ia menunjukkan kurang toleransi pada nombor yang lebih tinggi.

Kriteria Maklumat Akaike adalah baik untuk membuat persamaan asimtoksik dengan cross-validation. 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. Apabila membandingkan Kriteria Maklumat Bayesian dan Kriteria Maklumat Akaike, penalti untuk parameter tambahan lebih dalam BIC daripada AIC.

4. Kriteria Maklumat Akaike secara umumnya cuba mencari model yang tidak diketahui yang mempunyai realiti dimensi tinggi. Sebaliknya, Kriteria Maklumat Bayesian hanya merangkumi model Benar.

5. Kriteria Maklumat Bayesian adalah konsisten sedangkan Kriteria Maklumat Akaike tidak begitu.

6. Kriteria Maklumat Akaike adalah baik untuk membuat asymptotically setara dengan cross-validation. Sebaliknya, Kriteria Maklumat Bayesian adalah baik untuk anggaran yang konsisten.

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

8. Tidak seperti AIC, BIC menghukum parameter percuma dengan lebih kuat.

//