Bayes-információs kritérium (BIC)
A Bayes-információs kritérium egy információelméleti modellválasztási kritérium, amely közelíti a Bayes-féle modellösszehasonlítást. Gideon Schwarz vezette be 1978-ban, a BIC erősebben bünteti a modell komplexitását, mint az AIC, a minta méretétől függő büntetést használva, így különösen alkalmas az igaz mögöttes modellstruktúra azonosítására.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464. DOI: 10.1214/aos/1176344136 ↗
- 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 ↗
- Kass, R. E., & Raftery, A. E. (1995). Bayes factors. Journal of the American Statistical Association, 90(430), 773-795. DOI: 10.1080/01621459.1995.10476572 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/hu/model-evaluation/bayesian-information-criterion
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Korrigált R-négyzet (R²_adj)Modellértékelés↔ compare
- Akaike-féle információs kritérium (AIC)Modellértékelés↔ compare
- A négyzetes hiba (Mean Squared Error, MSE)Modellértékelés↔ compare
- R-négyzet (R²)Modellértékelés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →