建一个统计模型，加的变量越多，模型对已有的数据，拟合得越好。可是，拟合得太好，反而会让模型把噪音也当成规律，对新数据反而不准。该加多少变量才合适？
赤池弘次在日本统计数理研究所工作。1973 年，他提出了一个公式：模型的好坏，要综合考虑两件事，一是拟合得有多好，二是用了多少参数。拟合越好，越加分，参数越多，越扣分。这就是赤池信息量准则，简称 AIC。
这个公式，让奥卡姆剃刀「勿增实体」这句话，第一次变成了可以计算的数字。2006 年，他获得京都奖。据说，AIC 的想法，是他在通勤路上，想到的。
你可能不知道
01AIC 是今天做模型选择时，最常用的工具之一。
02它的名字，本来是「一个信息准则」，后来被叫成了「赤池信息准则」。
03他一生都在研究时间序列，并在这个领域有很多贡献。
人生年表
- 1927出生于日本静冈
- 1973提出 AIC
- 2006获京都奖
- 2009去世
他怎么想问题
好模型不是最复杂的，是在拟合和简洁之间平衡得最好的。
