一、决定系数是什么？
scikit-learn库在进行回归任务的时候，进行模型评估时的score()方法，默认采取的是计算的是决定系数（Coefficient of Determination），通常表示为得分。这个值衡量了模型预测值与实际观测值之间的拟合优度。
它表示模型的因变量y的变异值占变异量的比例，换句话说就是模型预测的结果能够解释因变量变化的百分比。
- ( SSE ) 是误差平方和（Sum of Squares due to Error），即模型预测值
与实际值
之间的差异的平方和。
- ( SST ) 是总平方和（Total Sum of Squares），是因变量总体变异性的平方和，即实际值
之差的平方和。
二、
指标的怎么评估模型好坏？
表示模型解释的方差比例，即因变量的总方差中由模型解释的那一部分。
例如，如果
，这意味着80%的因变量变异可以由模型中的自变量解释，剩余的20%则归因于未被模型捕获的其他因素或随机噪声。
因此当：
三、决定系数的局限性
不适合评估模型的预测误差分布，比如它不关心误差的正态性或同方差性。对于非线性模型，
可能不是最佳的评估指标，因为即使模型不完美，也可能得到较高的
值。
)
