השוואת שיטות
סקרו את השיטות שבחרתם זו לצד זו; שורות שבהן יש הבדל מודגשות.
| קריטריון המידע של אקאיקה (AIC)× | מקדם הקביעה (R²)× | |
|---|---|---|
| תחום | הערכת מודלים | הערכת מודלים |
| משפחה | MCDM | MCDM |
| שנת המקור≠ | 1974 | 1896 |
| הוגה השיטה≠ | Hirotugu Akaike | Karl Pearson |
| סוג≠ | Model selection metric | Goodness-of-fit metric |
| מקור מכונן≠ | Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. DOI ↗ | Pearson, K. (1896). Mathematical contributions to the theory of evolution. Philosophical Transactions of the Royal Society A, 187, 253-318. link ↗ |
| כינויים≠ | AIC | R², coefficient of determination, r2 score |
| קשורות≠ | 4 | 5 |
| תקציר≠ | 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. | The coefficient of determination, denoted R², measures the proportion of variance in the dependent variable explained by the independent variables in a regression model. Introduced by Karl Pearson in the late 19th century, R² is one of the most widely used metrics for assessing how well a model fits observed data. |
| ScholarGateמערך נתונים ↗ |
|
|