はじめに

統計や機械学習を学んでいると、「どのモデルが一番良いのか？」という問題に必ずぶつかります。
そのときに使われる代表的な指標が AIC（赤池情報量規準） です。

この記事では、初心者向けにAICの考え方と使い方をシンプルに解説します。

AICとは？

AIC（Akaike Information Criterion）は、
モデルの良さを評価するための指標です。

特に以下のような場面で使われます。

👉「複数のモデルの中から最適なものを選ぶ」ために使います。

モデルは複雑にすればするほど、データにフィットしやすくなります。

しかし…

👉このバランスを取る必要があります

AICは以下の2つを同時に評価します。

👉「よく当たるけどシンプルなモデル」が高評価

AICは次の式で計算されます。

$AIC = -2 \log L + 2k$

👉 小さいAICのモデルが良い

AICは単体では意味がありません。

👉「比較」で使います

モデル	AIC
モデルA	120
モデルB	100

👉 モデルBの方が良い（AICが小さい）

statsmodelsを使うと簡単にAICが取得できます。

import statsmodels.api as sm

# データ
X = sm.add_constant(X)
model = sm.OLS(y, X).fit()

# AIC
print(model.aic)

AICとよく比較される指標にBICがあります。

指標	特徴
AIC	予測性能重視
BIC	シンプルさ重視

👉 BICの方がペナルティが強い

AICは統計・機械学習の基礎として非常に重要です。
回帰分析やモデル選択を行う際は、ぜひ活用してみてください。