R2，也称为决定系数，是一种用来评估回归模型拟合优度的指标，其计算公式如下：
R2 = 1 - (SSE / SST)
其中，SSE 为残差平方和，SST 为总平方和。
残差平方和 SSE 表示模型中观测值与模型预测值之间的误差，计算公式为：
SSE = Σ(yi - ŷi)2
其中，yi 表示实际观测值，ŷi 表示模型预测值。
总平方和 SST 表示观测值与其平均值之间的偏差总和，计算公式为：
SST = Σ(yi - ȳ)2
其中，ȳ 表示观测值的平均值。
当 R2 的值接近于 1 时，表示模型的拟合优度较高，预测效果较好；当 R2 的值接近于 0 时，表示模型的拟合优度较低，预测效果较差。在实际应用中，通常将 R2 值大于等于 0.7 的模型视为较为有效的拟合模型。
R2= 2n(yi-yi1-i=1(y1y)2
R2越大（接近于1），所拟合的回归方程越优。回归分析中R2指的是相关系数; 相关系数R2:表示你的曲线的线性是否很好,理想状态是1,但是达不到,一般应该在0.99以上系数。
