赤池信息准则

赤池信息准则（akaike information criterion; AIC），管理学-管理科学与工程-预测理论与方法-预测模型选择准则-赤池信息准则，用于统计模型选择的一种准则，衡量一个数据集上统计模型相对好坏的常用准则之一。简称AIC。AIC来自信息理论，由日本统计学家赤池（Akaike）于1973年首次提出。给定一个数据集，AIC估计的是用给定统计模型描述这个数据集时损失的信息，该方法权衡了统计模型拟合的优度及模型的复杂度。给定一个数据集的多个候选统计模型中，AIC的值越小，说明对应模型越接近数据“真实”的模型，因此使AIC达到最小值的模型被认为是最优模型。给定一个统计模型，其似然函数的最大值记作，模型中参数个数记作。那么这个模型的AIC值可以通过以下公式计算…（1）因为增加模型中的参数个数可以提高其拟合优度（通过似然函数计算），为了防止模型的过拟合，AIC准则引入了模型参数个数作为惩罚项。在对一个数据集上的多个统计模型进行评价时，AIC值越小的模型越优。AICc是AIC在小样本量情况下的校正。