Akaikeov kriterij informacijske mjere (AIC)
Akaikeov kriterij informacijske mjere (AIC) jest mjera iz teorije informacija za odabir modela koja uravnotežuje dobru prilagodbu s kompleksnošću modela. Uveo ga je Hirotugu Akaike 1974. godine, a AIC procjenjuje relativnu kvalitetu modela za zadani skup podataka, kažnjavajući dodatne parametre kako bi se spriječilo prekomjerno prilagođavanje.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/hr/model-evaluation/akaike-information-criterion
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Prilagođeni koeficijent determinacije (R²_adj)Evaluacija modela↔ usporedi
- Bayesova informacija (BIC)Evaluacija modela↔ usporedi
- Srednja kvadratna pogreška (MSE)Evaluacija modela↔ usporedi
- R-kvadrat (R²)Evaluacija modela↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →