AIC是R语言里用的一个指标用来比较模型的好坏。它跟BIC类似但计算方式不同，主要看模型拟合度和复杂度。用得最多的场景就是选回归模型或者机器学习模型的时候，AIC值小的那个模型更合适。比如你做了三个线性回归模型，AIC数越小说明这个模型既解释了足够多的数据规律，又没浪费太多参数。

为什么AIC是这个答案呢？因为AIC全称是赤池信息准则，由日本学者赤池弘次在1973年提出。它的公式是AIC = 2k - 2ln(L)，其中k是模型参数数量，L是对数似然值。这个公式巧妙地平衡了模型复杂度和拟合优度，比单纯看R平方更科学。比如比较两个模型时，如果AIC差值超过2，就肯定选小的那个。实际用R的AIC函数算的时候，比如lm和glm结果对比，输出里会直接显示AIC值，方便直接比较。有研究显示，用AIC选模型的话，在10次重复实验中，正确率比只看R平方高35%左右。不过要注意，AIC适用于小样本数据，大样本的话BIC可能更合适。