Tiêu chí Thông tin Akaike (AIC)
Tiêu chí Thông tin Akaike là một thước đo lý thuyết thông tin để lựa chọn mô hình, cân bằng giữa mức độ phù hợp của mô hình và độ phức tạp của nó. Được Hirotugu Akaike giới thiệu vào năm 1974, AIC ước tính chất lượng tương đối của các mô hình cho một tập dữ liệu nhất định, phạt các tham số bổ sung để ngăn chặn việc khớp quá mức.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/vi/model-evaluation/akaike-information-criterion
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Hệ số xác định hiệu chỉnh (R²_adj)Đánh giá mô hình↔ so sánh
- Tiêu chí Thông tin Bayes (BIC)Đánh giá mô hình↔ so sánh
- Sai số bình phương trung bình (MSE)Đánh giá mô hình↔ so sánh
- Hệ số xác định (R²)Đánh giá mô hình↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →