Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Korrigált R-négyzet (R²_adj)× | Akaike-féle információs kritérium (AIC)× | |
|---|---|---|
| Tudományterület | Modellértékelés | Modellértékelés |
| Módszercsalád | MCDM | MCDM |
| Keletkezés éve≠ | 1961 | 1974 |
| Megalkotó≠ | Henri Theil | Hirotugu Akaike |
| Típus≠ | Penalized goodness-of-fit metric | Model selection metric |
| Alapmű≠ | Theil, H. (1961). Economic Forecasts and Policy. Amsterdam: North-Holland Publishing Company. link ↗ | Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. DOI ↗ |
| Alternatív nevek≠ | Adjusted R², R²_adj | AIC |
| Kapcsolódó≠ | 5 | 4 |
| Összefoglaló≠ | Adjusted R² is a corrected version of the coefficient of determination that accounts for the number of predictors in a regression model. Introduced by Henri Theil in 1961, it addresses the fundamental limitation of standard R²: the tendency to increase whenever any predictor is added, regardless of whether that predictor contributes meaningfully to explaining the target variable. | 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. |
| ScholarGateAdatkészlet ↗ |
|
|