Perbedaan antara AIC dan BIC

AIC vs BIC

AIC dan BIC banyak digunakan dalam kriteria seleksi model. AIC berarti kriteria informasi Akaike dan BIC berarti kriteria informasi Bayesian. Meskipun kedua istilah ini pemilihan model alamat, mereka tidak sama. Seseorang dapat menemukan perbedaan antara dua pendekatan pemilihan model.

Kriteria Informasi Akaike dibentuk pada tahun 1973 dan kriteria informasi Bayesian pada tahun 1978. Hirotsugu Akaike mengembangkan kriteria informasi Akaike sedangkan Gideon E. Schwarz mengembangkan kriteria informasi Bayesian.

AIC dapat disebut sebagai mesaure dari kebaikan model statistik yang diperkirakan. BIC adalah jenis pemilihan model di antara kelas model parametrik dengan jumlah parameter yang berbeda.

Saat membandingkan kriteria informasi Bayesian dan kriteria informasi Akaike, penalti untuk parameter tambahan lebih dalam BIC daripada AIC. Berbeda dengan AIC, BIC menghukum parameter bebas lebih kuat.

Kriteria informasi Akaike umumnya mencoba menemukan model yang tidak diketahui yang memiliki realitas dimensi tinggi. Ini berarti model bukan model sejati di AIC. Di sisi lain, kriteria informasi Bayesian hanya menemukan model sejati. Dapat juga dikatakan bahwa kriteria informasi Bayesian konsisten sedangkan kriteria informasi Akaike tidak demikian.

Ketika kriteria informasi Akaike akan menyajikan bahaya yang akan dilakukannya. Kriteria Informasi Bayesian akan menyajikan bahaya yang akan kurang. Meskipun BIC lebih toleran jika dibandingkan dengan AIC, itu menunjukkan lebih sedikit toleransi pada angka yang lebih tinggi.

Kriteria informasi Akaike baik untuk membuat asimtotik setara dengan validasi silang. Sebaliknya, kriteria informasi Bayesian baik untuk estimasi yang konsisten.

Ringkasan

1. AIC berarti kriteria informasi Akaike dan BIC berarti kriteria informasi Bayesian.

2. Kriteria Informasi Akaike dibentuk pada tahun 1973 dan kriteria informasi Bayesian pada tahun 1978.

3. Saat membandingkan kriteria informasi Bayesian dan kriteria informasi Akaike, penalti untuk parameter tambahan lebih dalam BIC daripada AIC.

4. Kriteria informasi Akaike umumnya mencoba menemukan model yang tidak diketahui yang memiliki realitas dimensi tinggi. Di sisi lain, kriteria informasi Bayesian hanya menemukan model sejati.

5. Kriteria informasi Bayesian konsisten sedangkan kriteria informasi Akaike tidak demikian.

6. Kriteria informasi Akaike baik untuk membuat asimtotik setara dengan validasi silang. Sebaliknya, kriteria informasi Bayesian baik untuk estimasi yang konsisten.

7. Meskipun BIC lebih toleran jika dibandingkan dengan AIC, itu menunjukkan lebih sedikit toleransi pada angka yang lebih tinggi.

8. Berbeda dengan AIC, BIC menghukum parameter bebas lebih kuat.

//