MCDMInformation-theoretic criterion
赤池情報量基準 (AIC)
赤池情報量基準 (AIC) は、モデルの適合度と複雑さのバランスを取る、モデル選択のための情報理論的尺度である。1974年に赤池弘次によって導入されたAICは、与えられたデータセットに対するモデルの相対的な品質を推定し、過学習を防ぐために追加のパラメータにペナルティを課す。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/ja/model-evaluation/akaike-information-criterion
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 調整済み決定係数 (R²_adj)モデル評価↔ 比較
- ベイズ情報量基準 (BIC)モデル評価↔ 比較
- 平均二乗誤差（MSE）モデル評価↔ 比較
- 決定係数 (R²)モデル評価↔ 比較