如何在Python中计算线性回归模型的AIC？

Question

我想为线性模型计算AIC，以比较其复杂性。 我这样做如下：

regr = linear_model.LinearRegression()
regr.fit(X, y)

aic_intercept_slope = aic(y, regr.coef_[0] * X.as_matrix() + regr.intercept_, k=1)

def aic(y, y_pred, k):
   resid = y - y_pred.ravel()
   sse = sum(resid ** 2)

   AIC = 2*k - 2*np.log(sse)

return AIC

但是我divide by zero encountered in log错误中divide by zero encountered in log 。

Answer 1

sklearn的LinearRegression非常适合预测，但是您已经发现了相当准系统。 （通常说sklearn远离所有统计推断。）

statsmodels.regression.linear_model.OLS具有属性属性AIC和许多其他预设的属性。

但是，请注意，您需要手动向X矩阵添加单位向量，以在模型中包含截距。

from statsmodels.regression.linear_model import OLS
from statsmodels.tools import add_constant

regr = OLS(y, add_constant(X)).fit()
print(regr.aic)

来源是在这里 ，如果你正在寻找的同时仍然使用手工编写的另一种方式sklearn 。