AIC et BIC : critères de comparaison de modèles
Les critères d'information AIC (Akaike) et BIC (bayésien) mesurent la qualité du modèle en pénalisant la complexité pour éviter le surapprentissage.
- AIC/BIC plus faible → meilleur modèle
- AIC = n·ln(RSS/n) + 2k BIC = n·ln(RSS/n) + k·ln(n)
- Le BIC pénalise les paramètres supplémentaires plus que l'AIC
- Le BIC tend à choisir des modèles plus simples
Essayer dans l'application
Essayez : ajoutez une variable X → relancez la régression → comparez le nouvel AIC à l’ancien sous le tableau. Une baisse signifie que la variable améliore le modèle.