AIC versus BIC
AIC en BIC worden veel gebruikt in modelselectiecriteria. AIC betekent Akaike's Informatie Criteria en BIC betekent Bayesiaanse Informatie Criteria. Hoewel deze twee termen betrekking hebben op modelselectie, zijn ze niet hetzelfde. Men kan tegenkomen verschil tussen de twee benaderingen van modelselectie.
De informatiecriteria van Akaike werden in 1973 en de Bayesiaanse informatiecriteria in 1978 opgesteld. Hirotsugu Akaike ontwikkelde Akaike's informatiecriteria terwijl Gideon E. Schwarz het Bayesiaanse informatiecriterium ontwikkelde.
De AIC kan worden aangeduid als een mesaure van de goedheid van fit van elk geschat statistisch model. De BIC is een type modelselectie uit een klasse van parametrische modellen met verschillende aantallen parameters.
Bij het vergelijken van de Bayesiaanse informatiecriteria en de Akaike-informatiecriteria is de boete voor extra parameters meer in BIC dan in AIC. In tegenstelling tot de AIC bestraft de BIC de vrije parameters sterker.
Akaike's Informatie Criteria probeert in het algemeen een onbekend model te vinden dat een hoge dimensionale realiteit heeft. Dit betekent dat de modellen geen echte modellen zijn in AIC. Aan de andere kant zijn de Bayesiaanse informatiecriteria alleen True-modellen. Er kan ook worden gezegd dat de Bayesian Information Criteria consistent is, terwijl Akaike's Information Criteria dat niet is.
Wanneer de informatiekriteria van Akaike het gevaar zullen tonen dat het zou uitkomen. de Bayesiaanse informatiecriteria zullen het gevaar vormen dat het zou ondermijnen. Hoewel BIC toleranter is in vergelijking met AIC, vertoont het minder tolerantie bij hogere aantallen.
De informatiecriteria van Akaike zijn goed voor het asymptotisch maken van kruisverval. Integendeel, de Bayesiaanse informatiecriteria zijn goed voor een consistente schatting.
Samenvatting
1. AIC betekent Akaike's Informatie Criteria en BIC betekent Bayesiaanse Informatie Criteria.
2. Akaike's Informatie Criteria werd in 1973 en Bayesiaanse Informatie Criteria in 1978 gevormd.
3. Bij het vergelijken van de Bayesiaanse informatiecriteria en de Akaike-informatiecriteria is de boete voor extra parameters meer in BIC dan in AIC.
4. Akaike's Informatie Criteria probeert in het algemeen een onbekend model te vinden dat een hoge dimensionale realiteit heeft. Aan de andere kant zijn de Bayesiaanse informatiecriteria alleen True-modellen.
5. Bayesiaanse informatiecriteria zijn consistent, terwijl de informatiecriteria van Akaike dat niet zijn.
6. Akaike's Informatie Criteria zijn goed voor het asymptotisch maken gelijkwaardig aan cross-validatie. Integendeel, de Bayesiaanse informatiecriteria zijn goed voor een consistente schatting.
7. Hoewel BIC toleranter is in vergelijking met AIC, vertoont het minder tolerantie bij hogere aantallen.
8. Anders dan de AIC, bestrijdt de BIC de vrije parameters sterker.
//