MCDMInformation-theoretic criterion
아카이케 정보량 기준 (AIC)
아카이케 정보량 기준(AIC)은 모델 적합성과 모델 복잡성 간의 균형을 맞추는 모델 선택을 위한 정보 이론적 척도입니다. 1974년 히로투구 아카이케가 소개한 AIC는 주어진 데이터셋에 대한 모델의 상대적 품질을 추정하며, 과적합을 방지하기 위해 추가적인 매개변수에 페널티를 부과합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/ko/model-evaluation/akaike-information-criterion
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 조정된 결정계수 (Adjusted R² / R²_adj)모델 평가↔ 비교
- 베이즈 정보 기준 (Bayesian Information Criterion, BIC)모델 평가↔ 비교
- 평균 제곱 오차 (MSE)모델 평가↔ 비교
- 결정 계수(R²)모델 평가↔ 비교