AIC（Akaike Information Criterion）和BIC（Bayesian Information Criterion）是用於模型選擇的準則，它們基於模型的複雜度和擬合優度來評價模型。
AIC 的公式為：
\[ AIC = -2 \ln(L) + 2k \]
其中，\( L \) 是模型的最大似然函式值，\( k \) 是模型中變數的個數。
BIC 的公式為：
\[ BIC = -2 \ln(L) + n \ln(n) k \]
這裡，\( n \) 是數據點的數量，\( L \) 和 \( k \) 同上。
需要注意的是，不同的資料源可能會使用略有不同的表述方式，但核心思想是一致的。例如，有些資料源可能會使用 \( N \) 來代替 \( k \) 表示模型參數的個數，或者使用 \( p \) 來表示參數的個數。這些表述方式在本質上是一致的，因為它們都指向了模型複雜度的度量。