Информационный критерий Ватанабэ – Акаике

В статистике ( широко применимый информационный критерий WAIC ) , также известный как информационный критерий Ватанабэ-Акаике , представляет собой обобщенную версию информационного критерия Акаике (AIC) на сингулярные статистические модели . ^[1]

Широко применимый байесовский информационный критерий ( WBIC ) представляет собой обобщенную версию байесовского информационного критерия (BIC) для сингулярных статистических моделей. ^[2]

WBIC — это среднелогарифмическая функция правдоподобия по апостериорному распределению с обратной температурой > 1/log n, где n — размер выборки . ^[2]

И WAIC, и WBIC можно рассчитать численно без какой-либо информации об истинном распределении .

См. также

Ссылки

^ Ватанабэ, Сумио (2010). «Асимптотическая эквивалентность перекрестной проверки Байеса и широко применимый информационный критерий в теории сингулярного обучения». Журнал исследований машинного обучения . 11 : 3571–3594.
↑ Перейти обратно: Перейти обратно: ^а ^б Ватанабэ, Сумио (2013). «Широко применимый байесовский информационный критерий» (PDF) . Журнал исследований машинного обучения . 14 : 867–897.

Эта статистике статья, посвященная , незавершена . Вы можете помочь Википедии, расширив ее .

[1] Ватанабэ, Сумио (2010). «Асимптотическая эквивалентность перекрестной проверки Байеса и широко применимый информационный критерий в теории сингулярного обучения». Журнал исследований машинного обучения . 11 : 3571–3594.

[:0-2] Перейти обратно: Перейти обратно: ^а ^б Ватанабэ, Сумио (2013). «Широко применимый байесовский информационный критерий» (PDF) . Журнал исследований машинного обучения . 14 : 867–897.

[1]

[2]