MCDMInformation-theoretic criterion
ベイズ情報量基準 (BIC)
ベイズ情報量基準 (BIC) は、ベイズモデル比較を近似する情報理論的なモデル選択基準です。1978年にギデオン・シュワルツによって導入されたBICは、サンプルサイズに依存するペナルティを使用することで、AICよりもモデルの複雑さに対してより重いペナルティを課します。これにより、真の基礎となるモデル構造を特定するのに特に適しています。
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。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/ja/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.
- 調整済み決定係数 (R²_adj)モデル評価↔ compare
- 赤池情報量基準 (AIC)モデル評価↔ compare
- 平均二乗誤差（MSE）モデル評価↔ compare
- 決定係数 (R²)モデル評価↔ compare