线性回归r2指的是相关系数，一般机器默认的是r2>0.99，这样才具有可行度和线性关系。 当根据试验数据进行曲线拟合时，试验数据与拟合函数之间的吻合程度，用一个与相关系数有关的一个量‘r平方’来评价，r^2值越接近1，吻合程度越高，越接近0，则吻合程度越低。

一、定义

　R平方：决定系数，反应因变量的全部变异能通过回归关系被自变量解释的比例。如R平方为0.8，则表示回归关系可以解释因变量80%的变异。换句话说，如果我们能控制自变量不变，则因变量的变异程度会减少80%
　　1，在统计学中，R平方值的计算方法如下：
　　R平方值=回归平方和(ssreg)/总平方和(sstotal)
　　其中回归平方和=总平方和-残差平方和(ssresid)
　　2，以上几个名词解释如下：
　　总平方和：Const参数为True的情况下，总平方和=y的实际值与平均值的平方差之和；Const参数为False的情况下，总平方和=y的实际值的平方和。
　　残差平方和：残差平方和=y的估计值与y的实际值的平方差之和。
　　3、在线性回归分析中，可以使用RSQ函数计算R平方值。
　　RSQ函数语法为RSQ(known_y’s,known_x’s)
　　将源数据中的y轴数据和x轴数据分别代入，就可以求得其“线性”趋势线的R平方值。
　　4、R^2的特点：
　　（1）可决系数是非负的统计量
　　（2）可决系数的取值范围：0<=R^2<=1
　　（3）可决系数是样本观测值的函数，可决系数R^2是随机抽样而变动的随机变量。为此，对可决系数的统计可靠性也应进行检验。

二、相关程度衡量

R2作为相关系数，一般机器默认的是R2>0.99，这样才具有可行度和线性关系。

当根据试验数据进行曲线拟合时，试验数据与拟合函数之间的吻合程度，用一个与相关系数有关的一个量‘R平方’来评价，R^2值越接近1，吻合程度越高，越接近0，则吻合程度越低。R平方值可以自己计算。

相关系数：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。越接近于1，说明这条直线与原始数据（即你测出的那些点）越吻合。

最后，推荐我们的管理工具给大家。