aic的價值由什麼決定?
它建立在熵的概念基礎上,可以權衡所估計模型的複雜度和此模型擬合數據的優良性。
在一般的情況下,AIC可以表示為:AIC=2k-2ln(L),其中:k是參數的數量,L是似然函數。假設條件是模型的誤差服從獨立正態分佈。讓n為觀察數,SSR(SUMSQAUREOFRESIDUE)為殘差平方和,那麼AIC變為:AIC=2k+nln(SSR/n)。
增加自由參數的數目提高了擬合的優良性,AIC鼓勵數據擬合的優良性但是儘量避免出現過度擬合(Overfitting)的情況。所以優先考慮的模型應是AIC值最小的那一個。
假設在n個模型中做出選擇,可一次算出n個模型的AIC值,並找出最小AIC值相對應的模型作為選擇對象。
赤池信息準則的方法是尋找可以最好地解釋數據但包含最少自由參數的模型。