Критерій Акаіке (AIC)
Критерій Акаіке (AIC) — це інформаційно-теоретична міра для вибору моделей, яка балансує між якістю відповідності моделі та її складністю. Запропонований Хіротуґу Акаіке у 1974 році, AIC оцінює відносну якість моделей для заданого набору даних, накладаючи штраф за додаткові параметри для запобігання перенавчанню.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/uk/model-evaluation/akaike-information-criterion
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Скоригований коефіцієнт детермінації (R²_adj)Оцінювання моделей↔ порівняти
- Байєсівський інформаційний критерій (BIC)Оцінювання моделей↔ порівняти
- Середньоквадратична похибка (MSE)Оцінювання моделей↔ порівняти
- Коефіцієнт детермінації (R²)Оцінювання моделей↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →