Kriteri i Informacionit Akaike (AIC)
Kriteri i Informacionit Akaike është një masë teoriko-informatike për përzgjedhjen e modeleve që balancon përshtatshmërinë e mirë me kompleksitetin e modelit. I prezantuar nga Hirotugu Akaike në vitin 1974, AIC vlerëson cilësinë relative të modeleve për një grup të dhënash të caktuar, duke penalizuar parametrat shtesë për të parandaluar mbivendosjen.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/sq/model-evaluation/akaike-information-criterion
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- R² i rregulluar (R²_adj)Vlerësimi i modeleve↔ krahaso
- Kriteri i Informacionit Bayesian (BIC)Vlerësimi i modeleve↔ krahaso
- Gabimi Mesatar Katror (MSE)Vlerësimi i modeleve↔ krahaso
- R-squared (R²) (Koeficienti i përcaktueshmërisë)Vlerësimi i modeleve↔ krahaso
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →