AIC сравнивает модели одного класса и штрафует лишние параметры. Чем меньше AIC — тем лучше баланс между качеством подгонки и сложностью модели.
Преобразования, ARIMA/SARIMA/SARIMAX, ETS и базовая интерпретация.
Ключевые темы: arima, sarima, ets, преобразования.
AIC (информационный критерий Акаике) — это мера для сравнения статистических моделей, которая балансирует точность подгонки и сложность. Она поощряет хорошее описание данных, но штрафует за лишние параметры, защищая от переобучения. Из нескольких моделей выбирают ту, у которой значение критерия меньше. AIC оценивает относительное качество моделей на одних и тех же данных, а не абсолютную правильность.
Где применяется в аналитике: Используется при выборе порядка моделей временных рядов, отборе предикторов в регрессии и сравнении конкурирующих спецификаций. В аналитике помогает выбрать достаточно простую, но адекватную модель прогноза, избегая раздувания числа параметров ради формального улучшения подгонки.
На собеседовании: Спрашивают, чтобы проверить понимание компромисса между точностью и сложностью модели. Смотрят, осознаёте ли вы относительный характер критерия, риск переобучения и почему меньшее значение предпочтительнее.
В Pro-подписке по этому конспекту получите: