Perbedaan Antara AIC dan BIC

AIC vs BIC

AIC dan BIC banyak digunakan dalam kriteria pemilihan model. AIC berarti Kriteria Informasi Akaike dan BIC berarti Kriteria Informasi Bayesian. Meskipun kedua istilah ini membahas pemilihan model, keduanya tidak sama. Seseorang dapat menemukan perbedaan antara dua pendekatan pemilihan model.

Kriteria Informasi Akaike dibentuk pada tahun 1973 dan Kriteria Informasi Bayesian pada tahun 1978. Hirotsugu Akaike mengembangkan Kriteria Informasi Akaike sedangkan Gideon E. Schwarz mengembangkan kriteria informasi Bayesian.

AIC dapat disebut sebagai mesaure of goodness of fit dari setiap model statistik yang diestimasi. BIC adalah jenis pemilihan model di antara kelas model parametrik dengan jumlah parameter yang berbeda.

Ketika membandingkan Kriteria Informasi Bayesian dan Kriteria Informasi Akaike, penalti untuk parameter tambahan lebih banyak dalam BIC daripada AIC. Tidak seperti AIC, BIC menghukum parameter bebas lebih kuat.

Kriteria Informasi Akaike umumnya mencoba menemukan model yang tidak diketahui yang memiliki realitas dimensi tinggi. Ini berarti model tersebut bukan model yang benar dalam AIC. Di sisi lain, Kriteria Informasi Bayesian hanya menemukan model True. Dapat juga dikatakan bahwa Kriteria Informasi Bayesian konsisten sedangkan Kriteria Informasi Akaike tidak demikian.

Ketika Kriteria Informasi Akaike akan menghadirkan bahaya bahwa itu akan sesuai. Kriteria Informasi Bayesian akan menghadirkan bahaya yang tidak sesuai. Meskipun BIC lebih toleran bila dibandingkan dengan AIC, itu menunjukkan toleransi yang lebih sedikit pada angka yang lebih tinggi.

Kriteria Informasi Akaike baik untuk membuat ekuivalen asimptotik dengan cross-validation. Sebaliknya, Kriteria Informasi Bayesian baik untuk estimasi yang konsisten.

Ringkasan

1. AIC berarti Kriteria Informasi Akaike dan BIC berarti Kriteria Informasi Bayesian.

2. Kriteria Informasi Akaike dibentuk pada tahun 1973 dan Kriteria Informasi Bayesian pada tahun 1978.

3. Ketika membandingkan Kriteria Informasi Bayesian dan Kriteria Informasi Akaike, hukuman untuk parameter tambahan lebih banyak di BIC daripada AIC.

4. Kriteria Informasi Akaike umumnya mencoba menemukan model yang tidak diketahui yang memiliki realitas dimensi tinggi. Di sisi lain, Kriteria Informasi Bayesian hanya menemukan model True.

5. Kriteria Informasi Bayesian konsisten sedangkan Kriteria Informasi Akaike tidak demikian.

6. Kriteria Informasi Akaike baik untuk membuat ekuivalen secara asimptot dengan cross-validation. Sebaliknya, Kriteria Informasi Bayesian baik untuk estimasi yang konsisten.

7. Meskipun BIC lebih toleran bila dibandingkan dengan AIC, itu menunjukkan toleransi yang lebih sedikit pada angka yang lebih tinggi.

8. Tidak seperti AIC, BIC menghukum parameter bebas lebih kuat.

//