En estadística , el criterio de información de amplia aplicación (WAIC) , también conocido como criterio de información de Watanabe-Akaike , es la versión generalizada del criterio de información de Akaike (AIC) en modelos estadísticos singulares . [1]
El criterio de información bayesiano ampliamente aplicable (WBIC) es la versión generalizada del criterio de información bayesiano (BIC) en modelos estadísticos singulares . [2]
WBIC es la función de probabilidad logarítmica promedio sobre la distribución posterior con la temperatura inversa > 1 / log n donde n es el tamaño de la muestra . [2]
Tanto WAIC como WBIC se pueden calcular numéricamente sin ninguna información sobre una distribución real .
Referencias
- ^ Watanabe, Sumio (2010). "Equivalencia asintótica de la validación cruzada de Bayes y el criterio de información ampliamente aplicable en la teoría del aprendizaje singular". Revista de investigación sobre aprendizaje automático . 11 : 3571–3594.
- ^ a b Watanabe, Sumio (2013). "Un criterio de información bayesiano ampliamente aplicable" (PDF) . Revista de investigación sobre aprendizaje automático . 14 : 867–897.