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，即实际值与平均值之差的平方和。

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：

• 接近1时，表明模型对数据拟合非常好。在实际应用中，决定系数的值很少能达到1，我们需要结合其他评估指标来全面评价模型的性能。
• 接近0时，意味着模型几乎不能解释变量变化，拟合效果很差。 

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。