決定係數（R-squared）

決定係數（R²）回答了一個公道的問題，而這是原始誤差分數答不了的：我的模型，到底比那個最蠢的合理猜測強不強？對一個數字而言，最蠢的猜測就是完全無視輸入，永遠預測平均值。R²衡量的，是「在那個偷懶的基線之上，你的模型還額外解釋了數據裡多少的變化」，並把它放在一個乾淨的0到1的尺度上。

R²等於0，意味著你的模型並不比「永遠猜平均值」更強——它什麼也沒解釋。等於1，意味著它把每個預測都完美命中。等於0.7，意味著它解釋了數據裡大約70%的起起伏伏，剩下30%沒能解釋。由於它無量綱，你可以在不同問題、不同單位之間去比較它，這是MSE或MAE永遠做不到的。（令人意外的是，它甚至可以變成負的——那意味著你的模型比平均值基線還差，這是一種真實而令人謙卑的可能。）

誠實的提醒很重要。高R²並不意味著你的模型正確、有因果關係，或能在新數據上奏效——你只要往裡加更多輸入變量，哪怕是沒用的，就能把它抬高，這正是人們用「調整後R²」來懲罰這種做法的原因。而低R²也未必就是失敗：有些現象本就充滿噪聲，能解釋比方說股價波動的哪怕20%，都可能很有價值。R²描述的是擬合，而不是真相。