Skillnaden mellan AIC och BIC



AIC vs BIC

AIC och BIC används i stor utsträckning kriterier modell val. AIC betyder Akaike 'S Informationssystem Kriterier och BIC innebär Bayesian Kriterier. Även om dessa två termer adress modellval, är inte de samma. Man kan stöta på maj skillnaden mellan de två metoderna av modell val.

Akaike 's Kriterier bildades 1973 och Bayesian Information Kriterier i 1978. Hirotsugu Akaike utvecklade Akaike' s Kriterier medan Gideon E. Schwarz utvecklade Bayesian informationskriterium.

AIC kan betecknas som en mesaure godhet passning av alla uppskattade statistisk modell. BIC är en typ av modell val bland en klass av parametriska modeller med olika antal parametrar.

När man jämför de Bayesian Information Kriterier och Akaike 's Kriterier är straffet för ytterligare parametrar mer i BIC än AIC. Till skillnad från AIC, BIC straffar fria parametrar starkare.

Akaike 's Kriterier försöker i allmänhet att hitta okända modell som har hög dimensionell verklighet. Detta innebär att modellerna är inte sant modeller i AIC. Å andra sidan kommer de Bayesian Information Kriterier över endast Sanna modeller. Det kan också sägas att Bayesian Kriterier är konsekvent medan Akaike 's Kriterier är inte så.

När Akaike 's Kriterier kommer att presentera en risk att det skulle utrusta. Kommer Bayesian Kriterier presentera risk att det skulle underfit. Även BIC är mer tolerant jämfört med AIC, visar det mindre tolerans vid högre siffror.

Akaike 's Kriterier är bra för att göra asymptotiskt motsvarar korsvalidering. Tvärtom är bra för konsekvent uppskattning av Bayesian Information kriterier.

Sammanfattning

1. AIC betyder Akaike 's Kriterier och BIC innebär Bayesian Information Criteria.



2. Akaike 's Kriterier bildades 1973 och Bayesian Information Kriterier 1978.

3. När man jämför Bayesian Information Kriterier och Akaike 's Kriterier är straffet för ytterligare parametrar mer i BIC än AIC.

4. Akaike 's Kriterier försöker i allmänhet att hitta okända modell som har hög dimensionell verklighet. Å andra sidan kommer de Bayesian Information Kriterier över endast Sanna modeller.

5. Bayesian Information Kriterier är konsekvent medan Akaike 's Informationskriterier är inte så.

6. Akaike 's Kriterier är bra för att göra asymptotiskt motsvarar korsvalidering. Tvärtom är bra för konsekvent uppskattning av Bayesian Information kriterier.

7. Även BIC är mer tolerant jämfört med AIC, visar det mindre tolerans vid högre siffror.

8. Till skillnad från AIC, BIC straffar fria parametrar starkare.