情報量基準（AIC）とは
情報量基準（AIC）とは、統計モデルの良さを評価するための指標である
読み: ジョウホウリョウキジュン
統計モデルの良さを評価するための指標である。モデルの複雑さとデータへの適合度を考慮し、バランスの取れたモデル選択を支援する。赤池弘次によって提唱された。
かんたんに言うと
AICは、モデルの当てはまりの良さと複雑さを考慮して、一番良いモデルを選ぶための基準である。
AICの概要
AICは、モデルの適合度とパラメータ数に基づいて計算される。適合度が高いほど、またパラメータ数が少ないほど、AICの値は小さくなる。AICが小さいモデルほど、予測精度が高いと判断される。ただし、AICはあくまで相対的な評価指標であり、絶対的なモデルの良さを保証するものではない。
AICの計算式
AICは以下の式で計算される。AIC = -2 * (最大対数尤度) + 2 * (モデルのパラメータ数)。最大対数尤度は、モデルがデータにどれだけ適合しているかを示す指標である。パラメータ数は、モデルの複雑さを示す。この式から、適合度が高いほどAICは小さくなり、パラメータ数が多いほどAICは大きくなることがわかる。
AICの注意点
AICは、比較するモデルが同じデータセットに基づいている場合にのみ有効である。また、AICはモデルの予測精度を評価するための指標であり、モデルの解釈可能性を評価するものではない。そのため、AICだけでなく、モデルの解釈可能性や実用性も考慮してモデルを選択する必要がある。サンプルサイズが小さい場合、AICは過学習を招きやすいという指摘もある。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。