* 赤池情報量規準 (Akaike information criterion; AIC) [#gf4c9693]

//ここには %項目の説明を書いてください.

パラメータで記述されたモデルのクラスからモデルを選択する基準.
いろいろなサンプリングに対して,真の対数尤度と経験対数尤度の差は,自由度 k のχ二乗分布に従う.ただし,k はモデルの自由度,すなわち,独立なパラメータの数.
ここで,χ二乗分布の平均が自由度kに等しいので,置き換えてしまうのがAIC.自由度kのモデルのAICは次式で,これを最小にするモデルを選択する:
\[\mathrm{AIC}=-2\log[\Pr(\{x\}^N|\theta)]+2k\]
第1項はk次のモデルでの最大尤度,第2項はパラメータを増やすことに対する罰則項として働く.

> -- しましま

**関連項目 [#ua8a2a15]

//関連する%項目%をリストしてください.

-[[赤池情報量規準]]
-[[Akaike information criterion]]
#br
-[[モデル選択]]
-[[MDL]]
-[[BIC]]
#br
-[[検索:赤池情報量 AIC]]

**リンク集 [#z03712bf]

//関連するWWW資源があればリンクしてください.
-[[A Cartoon Guide to AIC, BIC>http://www.cs.cmu.edu/~zhuxj/courseproject/aicbic/sld001.htm]] @ Xiaojin Zhu
#br
-[[Wikipedia:Akaike_information_criterion]]

**関連文献 [#b2937472]

-基本文献~
H. Akaike, "A New Look at The Statistical Model Identification", IEEE Trans. on Automatic Control, vol.19, no.6, pp.716-723 (1974)~
[[GoogleScholarAll:A New Look at The Statistical Model Identification]]
-日本語古典 坂元,石黒,北川:情報量統計学,共立 ISBN: 4-320-02171-1~
Amazon.co.jpへのリンク:&amazon(4320021711);
-AICの一般化を含めて 小西,北川:情報量規準,朝倉 ISBN: 4-254-12782-0~
Amazon.co.jpへのリンク:&amazon(4254127820);
-[[Book/データマイニングの基礎]] 5.3.2節
-[[Book/パターン認識(Rで学ぶデータサイエンス5)]] 4.3節

トップ   編集 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS