模型选择——AIC&BIC（matlab）

AIC（Akaike Information Criterion）和BIC（Bayesian Information Criterion）是两种常见的模型选择准则。它们都是用于比较统计模型的拟合优度和复杂度，帮助选择最合适的模型。

AIC是由赤池正隆提出的，与BIC相比，更倾向于选择更复杂的模型。AIC的计算公式如下：
AIC = -2 * ln(L) + 2 * k
其中，L是模型的最大似然估计值，k是模型的参数个数。AIC越小表示模型拟合得越好。

BIC是由斯瓦齐（Schwarz）提出的，相对于AIC更倾向于选择更简单的模型。BIC的计算公式如下：
BIC = -2 * ln(L) + k * ln(n)
其中，n是样本数量。BIC越小表示模型拟合得越好。

在使用AIC和BIC进行模型选择时，一般选择具有较小AIC或BIC值的模型作为最优模型。