这是来自AIC的描述：

Akaike 信息标准 (AIC) 是对给定数据集的统计模型的相对质量的度量。因此，AIC 提供了一种模型选择方法。

我不关注AIC的绝对值。我只用它来比较候选模型的样本内拟合。请注意，如果您正在构建预测模型，还必须考虑样本外拟合。

正如其他人所说，根据其 AIC 的绝对值评估单个模型没有多大意义。

重点是比较不同模型的 AIC 值，AIC 值比另一个低的模型比另一个更好，因为它不太复杂，但仍然很好地拟合数据。

我绝不是说只有不太复杂的模型=更低的 AIC。我说的是“不太复杂，但仍然很适合数据”。显然，如果您的模型欠拟合，则更复杂的问题可能更可取，因此很明显，不太复杂的模型没有必要更好或具有更低的 AIC，但一般来说，不是欠拟合的不太复杂的问题比更复杂的问题要好.