Criterio di Informazione di Akaike (AIC)
Il Criterio di Informazione di Akaike (AIC) è una misura info-teorica per la selezione del modello che bilancia la bontà dell'adattamento con la complessità del modello. Introdotto da Hirotugu Akaike nel 1974, l'AIC stima la qualità relativa dei modelli per un dato set di dati, penalizzando i parametri aggiuntivi per prevenire l'overfitting.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/it/model-evaluation/akaike-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.
- R-quadro aggiustato (R²_adj)Valutazione dei modelli↔ compare
- Criterio di Informazione Bayesiano (BIC)Valutazione dei modelli↔ compare
- Errore Quadratico Medio (MSE)Valutazione dei modelli↔ compare
- Coefficiente di determinazione (R²)Valutazione dei modelli↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →