아카이케 정보 기준

1 개요

Akaike information criterion (AIC)

아카이케 정보 기준

• 모델 선택을 위한 정보 기준 중 하나
• 표본 내 예측오차의 추정량
• 주어진 데이터 세트에 대한 통계 모델의 상대적 품질
• 표본 내 예측오차는 학습 샘플에 대한 리샘플링된 응답을 예측할 때 예상되는 오차이다.
• 데이터에 대한 모델 집합이 주어지면 AIC는 다른 각 모델과 비교하여 각 모델의 품질을 추정한다.
• 표본 외 예측오차가 표본 내 예측오차와 다를 것으로 예상되는 경우, 교차 검증이 모델 품질을 더 잘 추정한다.
• 모델의 적합도와 단순성 사이의 균형을 찾아서, 과적합 및 과소적합 위험을 회피한다.
• AIC는 이것을 공식화한 일본 통계학자 히로츠구 아카이케의 이름을 따서 명명되었다.

• [math]\displaystyle{ {\displaystyle \mathrm {AIC} \,=\,2k-2\ln({\hat {L}})} }[/math]

2 같이 보기

• 모델 선택
• 베이즈 정보 기준(BIC)
• 히로츠구 아카이케

3 참고

• 영어 위키백과 "Akaike information criterion"