Байесовский информационный критерий
- Байесовский информационный критерий (BIC) используется для выбора модели из конечного набора моделей.
- BIC тесно связан с информационным критерием Акаике и пытается решить проблему переобучения, вводя штрафной член.
- BIC определяется как максимальное значение функции правдоподобия модели с учетом количества параметров и размера выборки.
- Вывод BIC основан на интегрировании параметров модели с использованием метода Лапласа и байесовского апостериорного режима.
- BIC является возрастающей функцией дисперсии ошибки и возрастающей функцией от количества параметров в модели.
- Более низкий BIC не обязательно означает, что одна модель лучше другой, так как он включает приближения и является эвристическим методом.
- BIC может использоваться для сравнения расчетных моделей, если числовые значения зависимой переменной одинаковы для всех сравниваемых моделей.
Полный текст статьи: