AIC和BIC的python代码

下面是使用Python计算AIC和BIC的示例代码：

import numpy as np
from sklearn.linear_model import LinearRegression

# 准备数据
X = np.array([[1, 2], [2, 4], [3, 6], [4, 8]])
y = np.array([2, 4, 6, 8])

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 计算AIC和BIC
n_samples = len(y)
n_features = X.shape[1]
residuals = y - model.predict(X)
sse = np.sum(residuals ** 2)
aic = n_samples * np.log(sse / n_samples) + 2 * n_features
bic = n_samples * np.log(sse / n_samples) + n_features * np.log(n_samples)

print("AIC:", aic)
print("BIC:", bic)

在这个示例中，我们使用sklearn库中的LinearRegression类来创建一个线性回归模型，然后使用fit()方法对模型进行训练。接着，我们计算残差（residuals）和平方和误差（sse），并使用这些值计算AIC和BIC。最后，我们打印出计算出的AIC和BIC的值。