পদ্ধতির তুলনা করুন

	আকাইকে ইনফরমেশন ক্রাইটেরিয়ন (AIC)	গড় বর্গ ত্রুটি (MSE)
ক্ষেত্র	মডেল মূল্যায়ন	মডেল মূল্যায়ন
পরিবার	MCDM	MCDM
উদ্ভবের বছর	1974	1809
প্রবর্তক	Hirotugu Akaike	Carl Friedrich Gauss
ধরন	Model selection metric	Squared-error loss function
মৌলিক উৎস	Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723.	Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser.
অপর নাম	AIC	MSE, L2 error, quadratic error
সম্পর্কিত	4	4
সারসংক্ষেপ	The Akaike Information Criterion is an information-theoretic measure for model selection that balances goodness of fit against model complexity. Introduced by Hirotugu Akaike in 1974, AIC estimates the relative quality of models for a given dataset, penalizing additional parameters to prevent overfitting.	Mean Squared Error is the foundational loss function for regression models, measuring the average squared deviation between predictions and observations. Originating from Gauss and Legendre's method of least squares (1805-1809), MSE is the basis for ordinary least squares regression and remains central to modern machine learning optimization.