Akaiken informaatiokriteeri (AIC)
Akaiken informaatiokriteeri on informaatioteoreettinen mallinvalintamenetelmä, joka tasapainottaa mallin sopivuutta ja mallin monimutkaisuutta. Hirotugu Akaiken vuonna 1974 esittelemä AIC arvioi mallien suhteellista laatua tietylle aineistolle rankaisemalla lisäparametreja ylisovittamisen estämiseksi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. DOI: 10.1109/TAC.1974.1100705 ↗
- 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 ↗
- Kullback, S., & Leibler, R. A. (1951). On information and sufficiency. Annals of Mathematical Statistics, 22(1), 79-86. DOI: 10.1214/aoms/1177729694 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/fi/model-evaluation/akaike-information-criterion
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Oikaistu R² (R²_adj)Mallien arviointi↔ vertaa
- Bayesiläinen informaatiokriteeri (BIC)Mallien arviointi↔ vertaa
- Keskineliövirhe (MSE)Mallien arviointi↔ vertaa
- Selitekerroin (R²)Mallien arviointi↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →