Κριτήριο Πληροφορίας Bayes (BIC)
Το Κριτήριο Πληροφορίας Bayes (BIC) είναι ένα κριτήριο επιλογής μοντέλου βασισμένο στη θεωρία πληροφορίας, το οποίο προσεγγίζει τη σύγκριση μοντέλων Bayes. Εισήχθη από τον Gideon Schwarz το 1978, το BIC επιβάλλει βαρύτερη ποινή στην πολυπλοκότητα του μοντέλου από το AIC, χρησιμοποιώντας μια ποινή που εξαρτάται από το μέγεθος του δείγματος, καθιστώντας το ιδιαίτερα κατάλληλο για την αναγνώριση της πραγματικής υποκείμενης δομής του μοντέλου.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/el/model-evaluation/bayesian-information-criterion
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Προσαρμοσμένο R-τετράγωνο (R²_adj)Αξιολόγηση Μοντέλων↔ compare
- Κριτήριο Πληροφορίας Akaike (AIC)Αξιολόγηση Μοντέλων↔ compare
- Μέσο Τετραγωνικό Σφάλμα (MSE)Αξιολόγηση Μοντέλων↔ compare
- Συντελεστής προσδιορισμού (R²)Αξιολόγηση Μοντέλων↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →