你必须惩罚模型的参数数量。假设您有 30 个数据点和一个模型来适应它，需要 29 个参数来定义它。你可以完美地拟合数据。但是，将其与参数少得多的均匀分布进行比较并不是一种非常公平的方法。

你引用的论文提到了这一点。很可能你在反对它时遇到了麻烦，因为没有一个好的通用论点。该论点将反对您对模型中的额外参数进行多少惩罚。在这种情况下，您可能需要检查不同类型的信息标准。

此外，查看其他一些适合措施也是一个好主意。当 AIC 差异非常小时，使用多个并进行合理的论证并没有错。

我会更进一步说这可能是比较分布最广泛接受的方法。但是你真的应该使用修正后的 AIC，它添加了一块来调整小样本量。例如，参见 Burnham 和 Anderson 2002。

该站点将使用上面提到的更正后的 AIC 获取一组数字并为您进行比较。 http://www.easydatascience.com/