赤池資訊量準則
赤池資訊量準則（簡稱係英文：AIC）係一條用嚟評估統計模型嘅準則，基於資訊理論。攞住分析得出嘅統計模型，赤池準則會同佢計出一個數值，個值反映個模型（同第啲模型相比）做預測嗰陣有幾多誤差，而一般嚟講誤差愈低，個模型就算係愈高質素。因此，赤池準則提供咗一條基準，用嚟選擇邊個模型最好用。[1][2][3]
定義
[編輯]睇埋：概似函數
根據赤池資訊量準則，評估一個統計模型嗰陣，應該要令以下嘅數值有咁細得咁細：
當中 k 係估計咗嘅參數嘅數量， 係個模型嘅概似函數得到嘅最大數值。
詮釋
[編輯]喺應用上，建立統計模型嘅人通常會有若干個「可能模型」，佢哋可以檢視唔同模型嘅 AIC 指標值[4]，而 AIC 指標值低，就表示個模型能夠充分噉 fit 到數據中嘅規律，同時又唔會過度複雜－即係話 AIC 數值最低嗰個模型係「最好」。
睇埋
[編輯]引述
[編輯]- ↑ Stoica, P.; Selen, Y. (2004), "Model-order selection: a review of information criterion rules", IEEE Signal Processing Magazine (July): 36–47, doi:10.1109/MSP.2004.1311138, S2CID 17338979
- ↑ McElreath, Richard (2016). Statistical Rethinking: A Bayesian Course with Examples in R and Stan. CRC Press. p. 189. ISBN 978-1-4822-5344-3.
AIC provides a surprisingly simple estimate of the average out-of-sample deviance.
{{cite book}}: Cite has empty unknown parameter:|1=(help) - ↑ Taddy, Matt (2019). Business Data Science: Combining Machine Learning and Economics to Optimize, Automate, and Accelerate Business Decisions. New York: McGraw-Hill. p. 90. ISBN 978-1-260-45277-8.
The AIC is an estimate for OOS deviance.
- ↑ Akaike Information Criterion [AIC]
資源
[編輯]
- （英文） Arnold, T. W. (2010), "Uninformative parameters and model selection using Akaike's Information Criterion", Journal of Wildlife Management, 74 (6): 1175-1178.
