MCDMInformation-theoretic criterion
קריטריון המידע של אקאיקה (AIC)
קריטריון המידע של אקאיקה (AIC) הוא מדד מתורת המידע לבחירת מודלים, המאזן בין מידת ההתאמה של המודל לנתונים לבין מורכבותו. ה-AIC, שהוצג על ידי הירוטוגו אקאיקה בשנת 1974, מעריך את האיכות היחסית של מודלים עבור מערך נתונים נתון, תוך שהוא מעניש על פרמטרים נוספים כדי למנוע התאמת יתר (overfitting).
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/he/model-evaluation/akaike-information-criterion
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- מקדם המתאם המתוקנן (R²_adj)הערכת מודלים↔ השוואה
- קריטריון המידע הבייסיאני (BIC)הערכת מודלים↔ השוואה
- טעות ריבועית ממוצעת (MSE)הערכת מודלים↔ השוואה
- מקדם הקביעה (R²)הערכת מודלים↔ השוואה