- 误差（e）是实际y与预测y之间的差异。预测的y表示为ŷ。每个观察都会评估这个错误。这些错误也称为残差。
- 然后将所有残差值平方并相加。这个术语被称为残差平方和（RSS）。RSS越低越好。
- R-squared的另一部分方程。为了得到另一部分，首先计算实际目标的平均值，即估计汽车价格的平均值。然后计算平均值和实际值之间的差异。然后将这些差异平方并添加。它是总和的平方（TSS）。
- R-squared a.k.a决定系数计算为 1- RSS / TSS。该度量解释了模型预测的值与实际值平均值之间的差异部分。该值介于0和1之间。它越高，模型可以更好地解释方差。
在上面的例子中，RSS是根据三辆车的预测价格计算出来的。 RSS值是41450201.63。实际价格的平均值是11,021。 TSS计算为44,444,546。 R平方计算为6.737％。对于这三个具体数据点，该模型只能解释6.73％的变化。还不够好！！
但是，对于费尔南多的模型来说，其训练集的R平方为0.7503，即75.03％。这意味着该模型可以解释更多75％的变化。
结语费尔南多现在有一个很好的模型。它在训练数据上表现令人满意。但是，有25％的数据没有得到解释。有改进的余地。如何增加更多的自变量来预测价格？当添加多于一个独立变量以预测因变量时，需要创建多变量回归模型，即多于一个变量的模型 —- 多元回归模型。
相关阅读
- 简明数据科学 第一部分：原则与过程
- 简明数据科学第二部分：统计学习的关键概念
- 简明数据科学 第三部分：假设检验
