╯＾╰ 如果残差分析显示残差的分布近似正态分布，且没有明显的模式，则说明模型的预测效果比较好。综合以上方法，如果F检验和t检验的结果均显著，R方值较高，残差分析也1、模型的拟合度是用R和R方来表示的，一般大于0.4就可以了；自变量的显著性是根据各个自变量系数后面的Sig值判断的，如果小于0.05可以说在95%的显著性水平下显著，
1.正确，可用残差平方和判断模型的拟合效果，残差平方和越小，模型的拟合效果越好，2.不正确可用相关系数r的值判断两个变量的相关性，r|越大，说明相关性越强，3.不正确，R的平方愈接近1，这说明拟合效果就越好拟合的函数愈逼真。相关系数越接近1越好，一般要求大于0.9，统计量的概率一般
R squared/拟合优度——判定方法：值越接近1模型表现越好分类：ROC ——判定方法：ROC曲线应尽量偏离参考线(越远模型预测效果越好) AUC ——判定方法：AUC大于0.5 K-S图——判用准确率判断模型好坏比较适合分类问题，即因变量是固定的几个值，比如自变量是0或1的二分类问题。准确率就是看模型分类的结果与原始数据中的分类结果相同的占比
1、应该先判断模型拟合效果是不是好的，首先判断决定系数R2,如果决定系数比较高的话，说明回归变差对总体变差的解释程度比较高。2、然后判断F统计量，如果其显意味着拟合的好。如果测试误差大，意味着overfitting。以上部分和lasso没有关系，是机器学习所有模型的基本
