貝葉斯信息量準則

統計學當中,貝葉斯信息量準則(英語:Bayesian information criterion或者:Schwarz information criterion;縮寫:BICSICSBCSBIC)是在有限集合中進行模型選擇的準則:BIC最低的模型是最好的。[1]該準則部分基於似然函數並與赤池信息量準則(AIC)緊密相關。

該準則由數學家Gideon E. Schwarz於1978年提出,因使用英國統計學家托馬斯·貝葉斯貝葉斯推斷而得名。

擬合模型時,增加參數可提高似然,但如此下去可能導致過擬合。BIC與AIC都致力於向模型中引入關於參數數量的懲罰項;其中,BIC中的懲罰項會大於AIC中的懲罰項。

參考文獻

  1. ^ Schwarz, Gideon E., Estimating the dimension of a model, Annals of Statistics, 1978, 6 (2): 461–464, MR 0468014, doi:10.1214/aos/1176344136 .