AIC 的维基百科页面指出：“它（AIC）处理模型的拟合优度和模型的复杂性之间的权衡”。如果我理解正确，这意味着 AIC 不是拟合优度的度量，而仅包含一个评估拟合优度的术语（最大似然）。
然而，拟合优度的维基百科页面将AIC 列为“评估给定分布是否适合数据集”的度量。我将此解释为 AIC 被认为是拟合优度的度量。
那么，AIC 是否是拟合优度的衡量标准？
这个问题不是关于 AIC 是如何定义的或它是什么，而是它是否符合“拟合优度的度量”的定义。因此，这不是一个重复的问题。
AIC 是拟合优度的衡量标准吗？
机器算法验证
拟合优度
aic
2022-03-22 23:24:56
2个回答
稍微扩展一下侯赛因的回答：AIC 是相对拟合优度的度量。如果你使用一个模型并计算它的 AIC，那么你可能会得到一个值，比如 2000。这个数字本身是没有意义的，并且无法告诉你模型的拟合程度。但是，假设您随后拟合另一个模型，其中包含一个解释变量。当您再次计算 AIC 时，您会看到它下降到 1500。这现在证明模型 2 比模型 1 更适合数据。
AIC 对于比较模型很有用，但它不会告诉您任何有关单个孤立模型的拟合优度的信息。
与许多其他模型质量度量一样，AIC 有两个部分：拟合优度和模型简单性。如果您仅通过拟合优度来衡量模型的质量，则它倾向于过度拟合模型。另一方面，如果您仅通过简单性来衡量模型质量，则它偏爱欠拟合模型。因此，AIC 在评估模型时会考虑这两个标准。
其它你可能感兴趣的问题