赤池信息准则

赤池信息准则（Akaike Information Criterion，AIC）是一种用于模型选择的统计准则。它由日本统计学家赤池弘次于1974年提出，用于比较不同模型的拟合优度。

AIC的核心思想是在最小化误差的同时，最小化模型的复杂度。它通过计算模型的信息损失（information loss）来衡量模型的复杂度，信息损失越小的模型越优。AIC的计算公式为：

AIC = -2ln(L) + 2k

其中，L是模型的似然函数（likelihood function），k是模型的参数个数。AIC值越小的模型越优。

AIC可以应用于线性回归、广义线性模型、时间序列分析等多种统计模型。它在实际应用中被广泛使用，尤其是在机器学习领域中，常用于选择最优的模型。