Akaikeov kriterijum informacije (AIC)
Akaikeov kriterijum informacije je informaciono-teorijska mera za izbor modela koja balansira dobrotu prilagođenosti naspram složenosti modela. Predstavljen od strane Hirotugua Akaikea 1974. godine, AIC procenjuje relativni kvalitet modela za dati skup podataka, kažnjavajući dodatne parametre radi sprečavanja preprilagođavanja.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/sr/model-evaluation/akaike-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.
- Prilagođeni koeficijent determinacije (R²_adj)Evaluacija modela↔ compare
- Bejzijanski informacioni kriterijum (BIC)Evaluacija modela↔ compare
- Srednja kvadratna greška (MSE)Evaluacija modela↔ compare
- R-kvadrat (R²)Evaluacija modela↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →