• Wikisun
Layihə çərçivəsində Wikipedia platformasına əlavə olunan məqalə sayı
1
2
5
5
akaike-informasiya-kriteriyasi-aic

Akaike informasiya kriteriyası (AIC)

Akaike informasiya kriteriyası (AIC) - Statistik modellərin keyfiyyətini qiymətləndirmək üçün geniş istifadə edilən bir ölçü metodu. Yapon statistikçisi Hirotugu Akaike tərəfindən 1973-cü ildə təqdim edilmişdir. Akaike, bu kriteriyanı model seçimi prosesində məlumat nəzəriyyəsinə əsaslanaraq inkişaf etdirmişdir. Bu kriteriya, modelin uyğunluğunu və mürəkkəbliyini tarazlayaraq ən yaxşı modeli seçməyə kömək edir. AIC, statistik model seçimi zamanı modellər arasında müqayisə aparmaq üçün istifadə olunur. AIC-nin əsas məqsədi məlumatların uyğunlaşmasını yaxşılaşdırmaqla yanaşı, modellərin lazımsız mürəkkəbliyini də məhdudlaşdırmaqdır. Qısacası məqsəd, həm yüksək uyğunluq, həm də sadəlik təmin edən optimal modeli seçməkdir. AIC bu düsturla ifadə olunur: AIC=2k-2ln(L). Burada k: Modeldəki sərbəst parametr sayı (parametrlərin sayı, yəni model mürəkkəbliyi), L: Modelin maksimum ehtimallıq funksiyası (likelihood) dəyəri ifdə edir. Sərbəst parametr sayı dedikdə modeldə istifadə olunan dəyişənlər və ya parametrlərin sayı nəzərdə tutulurDaha çox parametr modelin mürəkkəbliyini artırır. Maksimum ehtimallılıq yəni ki, modelin verilən məlumatlara nə qədər yaxşı uyğunlaşdığını ölçür. Yüksək L dəyəri modelin daha yaxşı uyğunlaşmasını göstərir. Sadə dildə desək,AIC, bir modelin məlumatlara nə qədər yaxşı uyğun gəldiyini və nə qədər mürəkkəb olduğunu qiymətləndirir. Daha aşağı AIC dəyəri olan modellər üstünlük təşkil edir, çünki onlar həm sadə, həm də effektiv hesab olunur. Xətti reqressiya, loqistik reqressiya, ARIMA modelləri kimi modellərin seçilməsində, maşın öyrənməsi alqoritmlərinin tənzimlənməsi və model seçimi üçün tətbiq edilir.


İstinadlar

Tarix : 6 yanvar 2025


Əksi qeyd olunmayıbsa, bu məzmun CC BY-SA 4.0 çərçivəsində yayımlanır.