理解赤池信息量（AIC）,贝叶斯信息量（BIC）

一、基本概念

模型选择主要有两个思路： 
1.解释性框架 
在已有数据下，重点关注哪些变量是模型的重要变量，模型的形式应该怎样。好的模型应该是最能解释现有数据的模型。 
2.预测性框架 
重点关注哪些变量是模型的潜在变量以及模型的可能形式。好的模型应该是最能预测结果的模型。

AIC： Akaike information criterion，赤池信息量。 
BIC：Bayesian information criterion，贝叶斯信息度量，也叫 SIC, SBC, SC，SBIC。

在选择模型来预测推理时时默认了一个假设，即给定数据下存在一个最佳的模型，且该模型可以通过已有数据估计出来，根据某个选择标准选择出来的模型，用它所做的推理应该是最合理的。这个选择标准就可以是AIC和BIC。没有模型的选择的绝对标准，好的选择标准应该根据数据分布不同而不同，并且要能融入到统计推理的框架中去。

AIC：基于Kullback-Leibler (K-L)信息损失的，provides an asymptotically unbiased estimator of the expected Kullback discrepancy between the generating model and the fitted approximating model [1] 。 
BIC：基于贝叶斯因子。

定义式为： 
AIC=2ln(f(y|θk))−2K 。选择模型时选择AIC最大的模型。 
BIC=2ln(f(y|θk))−Klog(n)。 选择模型时选择BIC最大的模型。

在模型拟合时，增加参数可是使得似然概率增大，但是却引入了额外的变量。AIC和BIC都在目标式中添加了模型参数个数的惩罚项。

二、BIC公式推导

在选择模型时，贝叶斯方法的做法是在给定数据 {yj}nj=1 下最大化模型  (Mi) 的后验概率。 
根据贝叶斯定理，有： 
P(Mi|y1,…,yn)=P(y1,…,yn|Mi)P(Mi)P(y1,…,yn),(1)

其中 P(y1,...,yn|Mi) 是模型的边缘概率，在给定数据 {yj}nj=1 时， P(y1,...,yn) 是固定，且假设在不知道任何数据的情况下各个模型是同样合理的，即 P(Mi) 是定值，于是，最大化后验概率等价于最大化模型的边缘概率。而： 
P(y1,...,yn|Mi)=∫ΘiL(θi|y1,...,yn)gi(θi)dθi,(2)  
其中， Θi 是模型 Mi 的参数向量， L 是似然函数， gi(θi) 是参数 θi 的概率分布。

在选择模型时，选择后验概率最大的模型，比如有两个模型 M0和M1 其后验概率分别为 P(y|M0)和P(y|M1) ,通过比较这两个值的大小或者比较 B01(y)=P(y|M0)P(y|M1) 与1的大小，从而确地选择模型0还是1，当它比1大时选择模型 M0 ，比1小时选择模型 M1 。 B01(y) 被称为贝叶斯因子。可以看到，使用贝叶斯因子方法来选择模型，不需要考虑参数的先验概率（其实是假设了先验相等），这在很多参数先验无法求出时很有用，贝叶斯因子可以比较任意两个模型的好坏。Kass等人1995年证明了在某种情况下，基于BIC的模型选择方法近似等价于基于贝叶斯因子的模型选择方法。贝叶斯因子方法不预测结果，隶属于解释性框架。

更详细的推到见参考文献[1]

三、AIC，BIC比较

AIC和BIC的公式中前半部分是一样的，后半部分是惩罚项，当 n≥8 时， kln(n)≥2k ，所以，BIC相比AIC在大数据量时对模型参数惩罚得更多，导致BIC更倾向于选择参数少的简单模型。

[1] Model Selection Lecture V: The Bayesian Information Criterionhttp://myweb.uiowa.edu/cavaaugh/ms_lec_5_ho.pdf