SSE
该统计参数计算的是拟合数据和原始数据对应点的误差的平方和
MSE(均方差)=SSE/n
该统计参数是预测数据和原始数据对应点误差的平方和的均值
RMSE(均方根)
该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，
***************************
以上都是预测数据与原始数据对应点的评价，就是点与点的差别
以下都与与原始数据均值相比较的
***************************
SSR：预测数据与原始数据均值之差的平方和
SST：原始数据与原始数据均值之差的平方和
SST=SSE+SSR
R-square(确定系数)
=SSR/SST=1-SSE/SST
“确定系数”是通过数据的变化来表征一个拟合的好坏。由上面的表达式可以知道“确定系数”的正常取值范围为[0 1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好
从R的计算方法来看，对于同一组数据
SST是不变的
所以SSE越大R就越小