【漫话机器学习系列】004.赤池信息量准则（AIC：Akaike Information Criterion)

最新推荐文章于 2025-03-04 23:20:46 发布

IT古董

最新推荐文章于 2025-03-04 23:20:46 发布

阅读量1.8k

点赞数 19

分类专栏：漫话机器学习系列专辑文章标签：机器学习人工智能算法学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/IT_ORACLE/article/details/144393654

版权

赤池信息量准则（Akaike Information Criterion, AIC）

1. 概念

赤池信息量准则（AIC）是一种用于模型选择的统计方法，由赤池弘次（Hirotugu Akaike）于1974年提出。AIC 平衡了模型的拟合度和复杂性，用来评估一组候选模型中哪一个模型更适合数据。其核心思想是，在追求模型良好拟合的同时，避免模型过于复杂（过拟合）。

2. 公式

AIC 的公式为：

$AIC = 2k - 2\ln(\hat{L})$

其中：

k：模型中的参数个数（自由度）。
$\hat{L}$ ：模型的最大似然估计值。
ln( $\hat{L}$ ) 是对数似然值。

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。