AIC sta per Akaike Information Criterion, che è una tecnica utilizzata per selezionare il modello migliore da una classe di modelli usando una probabilità penalizzata. Un AIC più piccolo implica un modello migliore.
L'AIC e il BIC sono entrambi metodi per valutare l'adattamento del modello penalizzato per il numero di parametri stimati. Da quanto ho capito, BIC penalizza i modelli più per i parametri gratuiti di quanto non faccia AIC. Al di là di una preferenza basata sulla rigidità dei criteri, ci sono …
Vorrei implementare un algoritmo per la selezione automatica del modello. Sto pensando di fare una regressione graduale, ma tutto lo farà (deve essere basato su regressioni lineari). Il mio problema è che non sono in grado di trovare una metodologia o un'implementazione open source (sto woking in java). La metodologia …
Sto attualmente recensendo un manoscritto in cui gli autori confrontano i modelli di regressione 5-6 logit con AIC. Tuttavia, alcuni dei modelli hanno termini di interazione senza includere i singoli termini di covariata. Ha mai senso farlo? Ad esempio (non specifico per i modelli logit): M1: Y = X1 + …
Nel rispondere a questa domanda John Christie ha suggerito che l'adattamento di modelli di regressione logistica dovrebbe essere valutata attraverso la valutazione dei residui. Conosco bene come interpretare i residui in OLS, sono nella stessa scala del DV e molto chiaramente la differenza tra ye y prevista dal modello. Tuttavia, …
A pag. 34 del suo PRNN Brian Ripley commenta che "L'AIC è stato nominato da Akaike (1974) come" An Information Criterion "anche se sembra comunemente creduto che A sia l'acronimo di Akaike". Infatti, quando si introduce la statistica AIC, Akaike (1974, p. 719) lo spiega "IC stands for information criterion …
Ho calcolato AIC e AICc per confrontare due modelli misti lineari generali; Gli AIC sono positivi con il modello 1 con un AIC inferiore rispetto al modello 2. Tuttavia, i valori per AICc sono entrambi negativi (il modello 1 è ancora <modello 2). È valido utilizzare e confrontare valori AICc …
Ho visto alcune domande qui su cosa significhi in termini profani, ma questi sono troppo profani per il mio scopo qui. Sto cercando di capire matematicamente cosa significa il punteggio AIC. Ma allo stesso tempo, non voglio una prova del rigore che non mi farebbe vedere i punti più importanti. …
Voglio eseguire la regressione logistica con la seguente risposta binomiale e con e come miei predittori. X1X1X_1X2X2X_2 Posso presentare gli stessi dati delle risposte di Bernoulli nel seguente formato. Gli output di regressione logistica per questi 2 set di dati sono sostanzialmente gli stessi. I residui di devianza e AIC …
Di solito uso il BIC perché intendo che apprezza la parsimonia più fortemente di quanto non faccia l'AIC. Tuttavia, ho deciso di utilizzare un approccio più completo ora e vorrei usare anche AIC. So che Raftery (1995) ha presentato buone linee guida per le differenze BIC: 0-2 è debole, 2-4 …
È possibile calcolare i valori AIC o BIC per i modelli di regressione del lazo e altri modelli regolarizzati in cui i parametri entrano solo parzialmente nell'equazione. Come si determinano i gradi di libertà? Sto usando R per adattare i modelli di regressione del lazo con la glmnet()funzione del glmnetpacchetto …
Spiegherò il mio problema con un esempio. Supponiamo di voler prevedere il reddito di un individuo in base ad alcuni attributi: {Età, Genere, Paese, Regione, Città}. Hai un set di dati di allenamento come questo train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", …
Akaike Information Criterion (AIC) e la statistica c (area sotto la curva ROC) sono due misure di adattamento del modello per la regressione logistica. Ho difficoltà a spiegare cosa sta succedendo quando i risultati delle due misure non sono coerenti. Immagino che stiano misurando aspetti leggermente diversi dell'adattamento del modello, …
Sto usando AIC (Akaike's Information Criterion) per confrontare i modelli non lineari in R. È valido confrontare gli AIC di diversi tipi di modello? In particolare, sto confrontando un modello montato da glm rispetto a un modello con un termine a effetto casuale montato da glmer (lme4). In caso contrario, …
In una domanda altrove su questo sito, diverse risposte hanno indicato che l'AIC equivale alla validazione incrociata con esclusione (LOO) e che il BIC è equivalente alla convalida incrociata con K. C'è un modo per dimostrarlo empiricamente in R in modo tale che le tecniche coinvolte in LOO e K-fold …
Quali sono esattamente i prerequisiti che devono essere soddisfatti affinché il confronto tra modelli AIC funzioni? Ho appena trovato questa domanda quando ho fatto un confronto in questo modo: > uu0 = lm(log(usili) ~ rok) > uu1 = lm(usili ~ rok) > AIC(uu0) [1] 3192.14 > AIC(uu1) [1] 14277.29 In …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.