Key points are not available for this paper at this time.
아카이케 정보 기준(AIC)은 통계 모델링에서 가장 보편적으로 사용되는 도구 중 하나입니다. AIC는 1973년 히로타구 아카이케에 의해 최대 우도 원칙의 확장으로 소개된 최초의 모델 선택 기준으로, 널리 수용되었습니다. 최대 우도는 일반적으로 모델의 구조와 차원이 형성된 후 모델의 매개변수를 추정하는 데 적용됩니다. 아카이케의 기념비적인 아이디어는 추정 프로세스와 구조적 및 차원적 결정 과정을 단일 절차로 결합하는 것이었습니다. 이 기사는 AIC의 개념적 및 이론적 기초를 검토하고, AIC의 속성과 예측적 해석을 논의하며, AIC의 응용에 관련된 중요한 실제 문제의 개요를 제공합니다. AIC와 그 주요 경쟁자인 베이지안 정보 기준(BIC) 간의 비교 및 구별을 다룹니다. 또한, 이 기사는 AIC의 정당성을 뒷받침하는 조건과 모델 사양 가정이 위반될 수 있는 설정에 대한 AIC의 개선 사항을 다룹니다. 이 기사는 다음 범주에 분류됩니다: 컴퓨터 통계 소프트웨어 > 인공 지능 및 전문가 시스템 통계 모델 > 모델 선택 데이터 분석의 통계적 및 그래픽적 방법 > 모델링 방법 및 알고리즘 데이터 분석의 통계적 및 그래픽적 방법 > 정보 이론적 방법.
카바너 외.(Thu,)는 이 질문을 연구했습니다.