理解赤池信息量（AIC）,贝叶斯信息量（BIC）_aic 推导

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：
$AIC=2ln(f(y|{\theta }_k))-2K$。选择模型时选择AIC最大的模型。
$BIC=2ln(f(y|{\theta }_k))-Klog(n)。$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 { y j } j = 1 n \{y_j\}^n_{j=1} {yj​}j=1n​下最大化模型 $(Mi)$的后验概率。
根据贝叶斯定理，有：
$P(M_i|y_1,...,y_n)=\frac{P(y_1,...,y_n|M_i)P(M_i)}{P(y_1,...,y_n)},(1)$

其中$P(y_1,...,y_n|M_i)$是模型的边缘概率，在给定数据 { y j } j = 1 n \{y_j\}^n_{j=1} {yj​}j=1n​时，$P(y_1,...,y_n)$是相同的，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$P(M_i)$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：
$P(y_1,...,y_n|M_i)={\int }_{{\Theta }_i}L({\theta }_i|y_1,...,y_n)g_i({\theta }_i)d_{{\theta }_i},(2)$
其中，${\Theta }_i$是模型$M_i$的参数向量，$L$是似然函数，$g_i({\theta }_i)$是参数${\theta }_i$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$M_0和M_1$其后验概率分别为$P(y|M_0)和P(y|M_1)$,通过比较这两个值的大小或者比较$B_{01}(y)=\frac{P(y|M_0)}{P(y|M_1)}$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$M_0$，比1小时选择模型$M_1$。$B_{01}(y)$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$n\ge 8$时，$kln(n)\ge 2k$，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 Criterion http://myweb.uiowa.edu/cavaaugh/ms_lec_5_ho.pdf