Kryterium informacyjne Akaikego

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj

Kryterium informacyjne Akaikego – zaproponowane przez H. Akaikego kryterium wyboru pomiędzy modelami statystycznymi o różnej liczbie predyktorów. Na ogół model o większej liczbie predyktorów daje dokładniejsze przewidywania, jednak ma też większą skłonność do przeuczenia.

Akaike zaproponował, aby wybierać ten model dla którego najmniejsza jest wartość:

AIC=-2\sum\limits_{j}\ln(\hat{\pi}_j)+2q\;

gdzie:

  • \hat{\pi}_j\; – estymowane prawdopodobieństwo, przy założeniach danego modelu, uzyskania takiej właśnie wartości obserwacji j jaka była naprawdę uzyskana.
  • q\; – liczba parametrów modelu

Kryterium, wprowadzone początkowo w analizie szeregów czasowych, obecnie stosowane jest także w analizie regresji.

Należy podkreślić, że dokładniejszą metodą sprawdzania, czy model nie jest przeuczony, jest stosowanie walidacji krzyżowej.

Zobacz też[edytuj | edytuj kod]

Bibliografia[edytuj | edytuj kod]

  • Akaike, H. (1973). Information theory and an extension of the maximum likelihood principle. W: B. N. Petrov i F. Csaki (red.), Second International Symposium on Information Theory. Budapeszt: Akademiai Kiado.