AIC（Akaike Information Criterion）是一种用于评估模型的统计学度量。它为统计模型选择提供了一种方法，以确定哪种模型最适合数据集。AIC测量模型的精确性，但不考虑偏差或误差。AIC是一种准则，可以在多个不同模型之间进行比较，并帮助确定那种模型最适合特定的数据集。它通过考虑模型的自由参数数量以及模型对观测数据的拟合程度来计算AIC值。
具体如下：
AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性(Goodness of fit)的一种标准，由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。它建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。
