貝葉斯信息量準則

在統計學當中，貝葉斯信息量準則（英語：Bayesian information criterion或者：Schwarz information criterion；縮寫：BIC、SIC、SBC、SBIC）是在有限集合中進行模型選擇的準則：BIC最低的模型是最好的。^[1]該準則部分基於似然函數並與赤池信息量準則（AIC）緊密相關。

該準則由數學家Gideon E. Schwarz於1978年提出，因使用英國統計學家托馬斯·貝葉斯的貝葉斯推斷而得名。

擬合模型時，增加參數可提高似然，但如此下去可能導致過擬合。BIC與AIC都致力於向模型中引入關於參數數量的懲罰項；其中，BIC中的懲罰項會大於AIC中的懲罰項。