跳转到内容

贝叶斯信息量准则

维基百科,自由的百科全书

统计学当中,贝叶斯信息量准则(英語:Bayesian information criterion或者:Schwarz information criterion;缩写:BICSICSBCSBIC)是在有限集合中进行模型选择的准则:BIC最低的模型是最好的。[1]该准则部分基于似然函数并与赤池信息量准则(AIC)紧密相关。

該準則由數學家Gideon E. Schwarz於1978年提出,因使用英国统计学家托马斯·贝叶斯贝叶斯推断而得名。

拟合模型时,增加参数可提高似然,但如此下去可能导致过拟合。BIC与AIC都致力于向模型中引入关于参数数量的惩罚项;其中,BIC中的惩罚项会大于AIC中的惩罚项。

参考文献

[编辑]
  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 .