เปรียบเทียบวิธี

	เกณฑ์สารสนเทศแบบเบย์ (Bayesian Information Criterion - BIC)	ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squared Error: MSE)
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM
ปีกำเนิด	1978	1809
ผู้ริเริ่ม	Gideon E. Schwarz	Carl Friedrich Gauss
ประเภท	Bayesian model selection metric	Squared-error loss function
แหล่งต้นตำรับ	Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464.	Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser.
ชื่อเรียกอื่น	BIC, Schwarz criterion, Schwarz information criterion	MSE, L2 error, quadratic error
ที่เกี่ยวข้อง	4	4
สรุป	The Bayesian Information Criterion is an information-theoretic model selection criterion that approximates Bayesian model comparison. Introduced by Gideon Schwarz in 1978, BIC penalizes model complexity more heavily than AIC by using a sample-size-dependent penalty, making it particularly suitable for identifying the true underlying model structure.	Mean Squared Error is the foundational loss function for regression models, measuring the average squared deviation between predictions and observations. Originating from Gauss and Legendre's method of least squares (1805-1809), MSE is the basis for ordinary least squares regression and remains central to modern machine learning optimization.