AICは赤池情報量基準の略称であり、統計モデルや機械学習モデルの良さを評価するための指標です。データの予測精度だけでなく、モデルの複雑さもペナルティとして考慮することで、過学習を防ぎながら最適なモデルを選択するために広く利用されています。
AICとは
一言でいうとAICとは、統計モデルや機械学習モデルの複雑さとデータへの当てはまりの良さを同時に評価し、最適なモデルを選ぶための指標です。
詳しく解説
AICは統計学者の赤池弘次によって提案された赤池情報量基準です。モデルが訓練データに過剰に適合してしまう過学習を防ぐ目的で使用されます。具体的には、モデルの対数尤度（データへの当てはまりの良さ）の最大値と、パラメータ数（モデルの複雑さ）を用いて計算されます。パラメータ数が増えるとペナルティが課される仕組みになっており、AICの値がより小さいモデルほど、未知のデータに対して優れた予測を行えるバランスの良いモデルであると判断されます。
具体例・使われ方
機械学習における重回帰分析や時系列分析の分野で、複数の説明変数の組み合わせや次数が異なるモデルの中から、どれを採用すべきかを比較する際に利用されます。例えば、売上予測モデルを作成する際、変数が多いモデルと少ないモデルのどちらが本質的な予測力を持つかを判断するためにAICが計算されます。
似た用語との違い
平均二乗誤差などの単なる予測誤差とは異なり、AICはモデルの複雑さを考慮する点が大きく異なります。また、モデル選択の基準としてはBICも存在しますが、BICはサンプルサイズに応じた強いペナルティを課すため、モデルの目的やデータの特性に応じて使い分けられます。
注意点
AICの絶対値自体には特別な意味はなく、あくまで同じデータセットから求めた複数のモデル同士を比較するための相対的な指標である点に注意が必要です。また、異なるデータセット間でAICの値を直接比較することはできません。