where DEV is deviance and K is the

where DEV is deviance and K is the number of parameters in the model. As more parameters (structure) are added to the model, the fit will improve. If model selection were based only on this criterion,one would end up always selecting the model with the most possible parameters, which usually results in overfitting, especially with complex data sets. The second component, K, is the number of parameters in the model and serves as a “penalty” in which the penalty increases as the number of parameters increase. AIC thus
strikes a balance between overfitting and underfitting. Many software packages now compute AIC. In very general terms, the model
with the lowest AIC value is the “best” model, although other approaches
such as model averaging can be applied.

ผลลัพธ์ (ไทย) 1:

DEV deviance และ K คือ จำนวนของพารามิเตอร์ในแบบจำลอง เมื่อมีเพิ่มเติมพารามิเตอร์ (โครงสร้าง) รูปแบบเหมาะสมจะปรับปรุง ถ้าเลือกรูปแบบได้โดยใช้เกณฑ์นี้ที่เฉพาะ หนึ่งจะเอยเสมอเลือกรูปแบบที่ มีพารามิเตอร์ได้มากที่สุด ซึ่งมักจะเกิด overfitting โดยเฉพาะอย่างยิ่งกับชุดข้อมูลที่ซับซ้อน คอมโพเนนต์ที่สอง K คือ จำนวนของพารามิเตอร์ในแบบจำลอง และทำหน้าที่เป็น "อาญา" ซึ่งกำหนดโทษเพิ่มขึ้นเป็นจำนวนเพิ่มพารามิเตอร์ AIC ดัง
นัดสมดุลระหว่าง overfitting และ underfitting แพคเกจซอฟต์แวร์จำนวนมากตอนนี้คำนวณ AIC ในเงื่อนไขโดยทั่วไป แบบ
AIC ต่ำค่าเป็นแบบ "สุด" แม้อื่น ๆ ยื่น
เช่นหาค่าเฉลี่ยแบบจำลองสามารถใช้

ผลลัพธ์ (ไทย) 2:

ที่เป็น DEV อันซ์และ K คือจำนวนของพารามิเตอร์ในรูปแบบ เป็นพารามิเตอร์มากขึ้น (โครงสร้าง) จะถูกเพิ่มเข้ามาในรูปแบบที่เหมาะสมจะดีขึ้น หากการเลือกรูปแบบที่ใช้เฉพาะในเกณฑ์นี้อย่างใดอย่างหนึ่งจะจบลงเสมอการเลือกรูปแบบที่มีพารามิเตอร์ที่เป็นไปได้มากที่สุดซึ่งมักจะส่งผลในการ overfitting โดยเฉพาะอย่างยิ่งกับชุดข้อมูลที่ซับซ้อน ส่วนที่สอง, K, คือจำนวนของพารามิเตอร์ในรูปแบบและทำหน้าที่เป็น "โทษ" ซึ่งเพิ่มโทษเป็นจำนวนพารามิเตอร์เพิ่ม AIC จึง
นัดสมดุลระหว่าง overfitting และ underfitting แพคเกจซอฟต์แวร์จำนวนมากตอนนี้คำนวณ AIC ในแง่ทั่วไปมากรูปแบบ
มีค่า AIC ต่ำที่สุดคือ "ดีที่สุด" รูปแบบแม้ว่าวิธีการอื่น ๆ
เช่นการเฉลี่ยตัวแบบสามารถนำไปใช้

ผลลัพธ์ (ไทย) 3:

ที่เดฟจะเบี่ยงเบน และ k คือจำนวนของพารามิเตอร์ในแบบจำลอง เป็นพารามิเตอร์เพิ่มเติม ( โครงสร้าง ) จะถูกเพิ่มไปยังรุ่น พอดีจะปรับปรุง ถ้าเลือกรุ่นที่ใช้เฉพาะในเกณฑ์นี้ หนึ่งจะจบก็เลือกแบบที่มีค่ามากที่สุด ซึ่งมักจะส่งผลใน overfitting โดยเฉพาะอย่างยิ่งกับชุดข้อมูลที่ซับซ้อน สององค์ประกอบ , เคคือจำนวนของพารามิเตอร์ในแบบจำลอง และทำหน้าที่เป็น " โทษ " ซึ่งโทษจะเพิ่มขึ้นตามจำนวนของการเพิ่มพารามิเตอร์ AIC จึง
นัดสมดุลระหว่าง overfitting และ underfitting . แพคเกจซอฟต์แวร์หลายตอนนี้ค่า AIC . ในแง่ทั่วไปมากรูปแบบ
กับค่า AIC ต่ำสุดเป็น " นางแบบ " ดีที่สุดถึงแม้ว่าวิธีการอื่น ๆเช่น รูปแบบใหม่


สามารถประยุกต์