Bayesci Bilgi Kriteri
Bayesian İnformation Criterion (BIC)
Tanım
Bayesci istatistikte, veri setine uyum sağlayan birden fazla modelin göreceli kalitesini, model karmaşıklığına ceza puanı vererek karşılaştıran bir model seçimi özet değeridir.
Örnek Vaka / Uygulama
Bilişsel bir reaksiyon süresi deneyinden elde edilen verileri inceleyen bir araştırmacı, katılımcıların yaşını, uyarıcı şiddetini ve bu ikisinin etkileşimini içeren karmaşık bir regresyon modeli ile sadece yaş ve uyarıcı şiddetini içeren daha basit bir modeli karşılaştırmaktadır. Her iki model de veriye benzer düzeyde uyum sağladığında, BIC hesaplaması karmaşık modele ağır bir cezalandırma uygulayarak daha az parametreli ikinci modelin tercih edilmesini sağlar.
Derin Analiz
Bayesci Bilgi Kriteri (BIC), model seçim sürecinde aşırı uyumlaşmayı (overfitting) engellemek amacıyla geliştirilmiş matematiksel bir formülasyondur. Akaike Bilgi Kriteri'ne (AIC) kıyasla, örneklem büyüklüğü arttıkça daha sade (parsimonious) modellere yönelme eğilimi gösterir. Temel prensibi, modelin veriyi ne kadar iyi temsil ettiği (olabilirlik fonksiyonu) ile parametre sayısı (serbestlik derecesi) arasında optimum bir denge kurmaktır. BIC değeri düşük olan model, hem veriyi yeterince iyi açıklar hem de gereksiz karmaşıklıktan kaçınarak en yüksek genelleyici güce sahip olduğunu gösterir.
Etimoloji
İngilizce 'Bayesian' (18. yüzyıl matematikçisi Thomas Bayes'in soyadından türetilmiştir) + 'information' (Latince 'informatio': şekillendirme, açıklama) + 'criterion' (Yunanca 'kriterion': yargılama veya değerlendirme ölçütü).
Karıştırmayın
Akaike Bilgi Kriteri (AIC) ile sıkça karıştırılır; AIC örneklem boyutundan bağımsız olarak daha esnek modellere tolerans gösterirken, BIC büyük örneklem boyutlarında daha sert cezalar uygulayarak daha sade modelleri seçer.