Podczas obliczania AIC
k oznacza „liczbę parametrów”. Ale co liczy się jako parametr? Na przykład w modelu
Czy aib są zawsze liczone jako parametry? Co jeśli nie dbam o wartość przechwytywania, czy mogę to zignorować, czy nadal się liczy?
Co jeśli
gdzie jest funkcją c i x, czy teraz liczę 3 parametry?
Odpowiedzi:
Jak wspomniano mugen, reprezentuje liczbę oszacowanych parametrów . Innymi słowy, jest to liczba dodatkowych ilości, które musisz znać, aby w pełni określić model. W prostym modelu regresji liniowej y = a x + b można oszacować a , b lub oba. Niezależnie od ilości, których nie szacujesz, musisz je naprawić. Nie ma „ignorowania” parametru w tym sensie, że go nie znasz i nie przejmujesz się nim. Najczęstszym modelem, który nie oszacować zarówno A i B to model bez wyrazu, gdzie naprawić b = 0k
Jeśli twoim modelem jest liczba parametrów zależy od tego, czy naprawisz którąkolwiek z tych wartości, oraz od formy f . Na przykład, jeśli chcemy oszacować a , b , c i wiedzieć, że f ( c , x ) = x c , to kiedy wypisujemy model, mamy y = a x c + b z trzema nieznanymi parametrami. Jeżeli jednak f ( c ,
Ważne jest, aby była rodziną funkcji indeksowanych przez c . Jeśli wszystko, co wiesz, to że f ( c , x ) jest ciągłe i zależy od c i x , oznacza to, że nie masz szczęścia, ponieważ istnieje niezliczona liczba funkcji ciągłych.f(c,x) c f(c,x) c x
źródło
(patrz tutaj )
Nie mam wystarczającej wiedzy, aby odpowiedzieć na twoje drugie pytanie, pozostawię to innemu członkowi społeczności.
źródło
Po pierwsze, dla tych, którzy mogą nie być zaznajomieni z AIC: Akaike Information Criterion (AIC) to prosta miara zaprojektowana w celu porównania „dobroci” modeli.
Według AIC, próbując wybrać między dwoma różnymi modelami stosującymi się do tych samych zmiennych wejściowych i zmiennych odpowiedzi , tj. Modelami zaprojektowanymi w celu rozwiązania tego samego problemu, model z niższym AIC jest uważany za „lepszy”.
c
źródło