在统计学当中,贝叶斯信息量准则(英语:Bayesian information criterion或者:Schwarz information criterion;缩写:BIC、SIC、SBC、SBIC)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。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。
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。
在统计学当中,贝叶斯信息量准则(英语:Bayesian information criterion或者:Schwarz information criterion;缩写:BIC、SIC、SBC、SBIC)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。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。
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。