Bayesian Information Criterion (BIC)
Bayesian Information Criterion (BIC) ir informācijas teorētisks kritērijs modeļu izvēlei, kas ir Bajesas modeļu salīdzinājuma apkopojums. To 1978. gadā ieviesa Gideon Schwarz. BIC nosaka stingrāku sodu par modeļa sarežģītību nekā AIC, izmantojot atkarīgu sodu no paraugu lieluma, padarot to īpaši piemērotu patiesās zemākās modeļa struktūras identificēšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/lv/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.
- Koriģētais noteikšanas koeficients (R²_adj)Modeļu novērtēšana↔ compare
- Akaike informācijas kritērijs (AIC)Modeļu novērtēšana↔ compare
- Vidējā kvadrātiskā kļūda (MSE)Modeļu novērtēšana↔ compare
- R kvadrāts (R²)Modeļu novērtēšana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →