MCDMInformation-theoretic criterion

赤池信息量准则 (AIC)

赤池信息量准则（Akaike Information Criterion, AIC）是一种信息论模型选择的度量，它在模型拟合优度与模型复杂度之间取得平衡。AIC由赤池弘次（Hirotugu Akaike）于1974年提出，用于估计给定数据集上模型相对质量，通过惩罚额外的参数来防止过拟合。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

赤池信息量准则 (AIC)

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 ↗

ScholarGate. (2026, June 3). Akaike Information Criterion. ScholarGate. https://scholargate.app/zh/model-evaluation/akaike-information-criterion

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。