중첩되지 않은 모델의 AIC : 정규화 상수

AIC는 . 여기서 는 최대 가능성 추정값이고 는 모수 공간의 차원입니다. 의 추정을 위해, 보통 밀도의 상수 인자를 무시합니다. 이것은 가능성을 단순화하기 위해 매개 변수에 의존하지 않는 요소입니다. 반면,이 요소는 중첩되지 않은 모델을 비교할 때이 요소가 일반적이지 않으며 해당 AIC의 순서가 고려되지 않으면 다를 수 있으므로 AIC 계산에 매우 중요합니다. $AIC=-2 \log(L(\hat\theta))+2p$ $\hat\theta$ $p$ $\theta$

내 질문은 , 중첩되지 않은 모델을 비교할 때 밀도의 모든 항을 포함하여 를 계산해야 합니까? $\log(L(\hat\theta))$

model-selection aic nested-models

— 카와바타
소스

나는 무언가를 오해하고 있다고 생각합니다. " 의 추정"에 대해 " "를 의미 했습니까?

θ

$\theta$

L (\hat{θ})

$L(\hat\theta)$

— David J. Harris

중요한 로그 가능성의 차이이므로 공통적 인 용어는 관련이 없지만 다른 용어는 중요합니다.

— Glen_b-복지 주 모니카

고려중인 모델에서 정규화 '일정한'이 다른 경우 해당 용어를 포함해야합니다.

— Glen_b-복귀 모니카
소스

네, 저도 그렇게 생각합니다. 이것에 대한 언급이 있습니까?

— Kawabata