aic
Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revisionNext revision | Previous revision | ||
| aic [2022/11/12 13:21] – hkimscil | aic [2023/12/10 21:52] (current) – hkimscil | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| AIC는 모델의 적합도와 예측 변인의 갯수가 (파라미터의 갯수) 적절한지를 보는 지표이다. 예측변인이 필요이상으로 많다면 AIC지수가 높아지게 되어 적절한 모델이 아님을 알려준다. 이것은 anova 펑션을 이용하여 중첩된 두 회귀분석의 F값을 비교하는 방법과 비슷하다고 보면 된다. | AIC는 모델의 적합도와 예측 변인의 갯수가 (파라미터의 갯수) 적절한지를 보는 지표이다. 예측변인이 필요이상으로 많다면 AIC지수가 높아지게 되어 적절한 모델이 아님을 알려준다. 이것은 anova 펑션을 이용하여 중첩된 두 회귀분석의 F값을 비교하는 방법과 비슷하다고 보면 된다. | ||
| + | |||
| < | < | ||
| lm.01 <- lm(mpg ~ wt, data=mtcars) | lm.01 <- lm(mpg ~ wt, data=mtcars) | ||
| Line 11: | Line 12: | ||
| AIC(lm.01, lm.02, lm.03) | AIC(lm.01, lm.02, lm.03) | ||
| </ | </ | ||
| + | |||
| < | < | ||
| > lm.01 <- lm(mpg ~ wt, data=mtcars) | > lm.01 <- lm(mpg ~ wt, data=mtcars) | ||
| Line 41: | Line 43: | ||
| > | > | ||
| </ | </ | ||
| - | 아래는 AIC가 사용된 예로써, stepwise regression의 결과 아웃풋이다. | ||
| + | 아래는 AIC가 사용된 예로써, [[: | ||
| < | < | ||
| > step(lm.mod, | > step(lm.mod, | ||
| Line 82: | Line 84: | ||
| > | > | ||
| </ | </ | ||
| + | |||
aic.1668226917.txt.gz · Last modified: 2022/11/12 13:21 by hkimscil