在做医疗大数据或 AI 风险预测时，很多人习惯把几十个特征全扔进模型，并自信地引用祖传口诀“每个变量只要 10 个阳性事件就够了”。然而，这种死记硬背式的建模往往会让算法在外部新数据面前摔得粉身碎骨。本文用大白话聊聊为什么特征不是越多越好，以及如何用现代统计准则守住过拟合的底线。