Bayesian Information Criterion
The Bayesian Information Criterion is an information-theoretic model selection criterion that approximates Bayesian model comparison. Introduced by Gideon Schwarz in 1978, BIC penalizes model complexity more heavily than AIC by using a sample-size-dependent penalty, making it particularly suitable for identifying the true underlying model structure.
Εγγραφή πηγής
Οι παραπομπές αντιγράφονται αυτούσιες από την εγγραφή πηγής της μεθόδου. Δεν υπονοείται επαλήθευση σε επίπεδο ισχυρισμού από αυτές.
- Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464. · DOI 10.1214/aos/1176344136
- Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach (2nd ed.). New York: Springer. · DOI 10.2307/3802723
- Kass, R. E., & Raftery, A. E. (1995). Bayes factors. Journal of the American Statistical Association, 90(430), 773-795. · DOI 10.1080/01621459.1995.10476572
Επιμελημένοι ισχυρισμοί
Οι ισχυρισμοί έχουν αποθηκευτεί στο καθολικό τεκμηρίων, καθένας με τη δική του αξιολόγηση.
Αυτή η προβολή δεν επινοεί αξιολόγηση ισχυρισμού όταν το καθολικό δεν έχει κανέναν.
Σχετικές μέθοδοι
Δημιουργούνται από τον γράφο μεθόδων και εμφανίζονται ως προτεινόμενες από μηχανή σχέσεις — δεν υπονοείται ισχυρισμός τεκμηρίου.