Söyleyebileceğim kadarıyla AIC ve BIC arasında pek bir fark yoktur. Her ikisi de modelleri verimli bir şekilde karşılaştırmak için yapabilecekleri matematiksel olarak uygun yaklaşımlardır . Size farklı "en iyi" modeller verirlerse, bu muhtemelen yüksek model belirsizliğine sahip olduğunuz anlamına gelir; bu, AIC veya BIC kullanmanız gerekip gerekmediğinden endişelenmeniz daha önemlidir. Şahsen BIC'den daha çok hoşlanıyorum çünkü bir modelden daha fazla (daha az) bir modelin parametrelerine uyacak daha fazla (daha az) veri olup olmadığını - bir öğrencisi daha fazla (daha az) olması durumunda daha yüksek (daha düşük) bir performans standardı isteyen bir öğretmen gibi ) konu hakkında bilgi edinmek için zaman. Bana göre bu sadece sezgisel bir şey yapmak gibi görünüyor. Fakat o zaman eminim ki AIC için de aynı şekilde sezgisel ve zorlayıcı argümanlar var, basit şekli de veriliyor.
Şimdi bir yaklaşımda bulunacağınız zaman, bu yaklaşımların artık çöp olduğu durumlarda mutlaka bir takım koşullar olacaktır. Bu, orijinal yaklaşımı kötü yapan belirli koşulları hesaba katan birçok "ayar" (AICc) bulunduğu AIC için kesinlikle görülebilir. Bu, BIC için de mevcuttur, çünkü Zellner g-öncelerinin karışımlarına Tamamen Laplace Yaklaşımları gibi diğer daha kesin (ancak yine de etkili) yöntemler vardır (BIC, integraller için Laplace yaklaşım yöntemine bir yaklaşımdır).
Her ikisinin de boktan olduğu bir yer, herhangi bir modelin içindeki parametreler hakkında önemli bir ön bilginiz olduğunda. AIC ve BIC, parametrelerden kısmen bilinen modelleri, verilerden hesaplanması gereken parametreleri gerektiren modellere kıyasla gereksiz yere cezalandırır.
P(D|M,A)P(M|D,A)MMA
Mi:the ith model is the best description of the dataA:out of the set of K models being considered, one of them is the best
Ve sonra aynı olasılık modellerini (aynı parametreler, aynı veriler, aynı yaklaşımlar, vb.) Atamaya devam edin, aynı BIC değerleri setini alacağım. "M" mantıksal harfine, "gerçek model" ("gerçek dinin" yankıları) ile ilgili alakasız sorulara bir tür benzersiz anlam ekleyerek elde edilir. M'yi "tanımlayan" tek şey, hesaplamalarında onu kullanan matematiksel denklemlerdir - ve bu neredeyse hiç bir ve sadece bir tanım değildir. Eşit derecede M hakkında bir öngörü önerisinde bulunabilirdim ("bu model en iyi tahminleri verecek"). Kişisel olarak bunun herhangi bir olasılığın nasıl değişeceğini ve dolayısıyla BIC'in ne kadar iyi ya da kötü olacağını göremiyorum (bu konuda AIC - AIC farklı bir türetmeyi temel almasına rağmen).
Ve ayrıca, ifadede yanlış olan şey Eğer gerçek model kümesindeyim, o zaman B modelinin% 57 olması ihtimali vardır . Bana göre yeterince makul görünüyor, ya da daha "yumuşak" versiyonuna gidebilirseniz, B modelinin düşünülen kümenin en iyisi olma ihtimalinin% 57 olması ihtimali var.
Son bir yorum: AIC / BIC hakkında, onları tanıyan insanlar kadar çok fikir bulacağını düşünüyorum.