衡量线性回归算法好坏的指标主要有MSE，RMSE，MAE及R Squared。
分类问题
在使用KNN解决分类问题时，我们将数据集分为训练数据集和测试数据集，比例通常为4：1，使用训练数据集训练出模型之后，使用测试数据集预测结果，将结果与原有数据集真实内容进行比较匹配，从而得到分类准确度，这种准确度通常用来衡量分类方法的好坏。
简单线性回归
衡量的指标主要有：
MSE 均方误差（Mean Squared Error）
RMSE 均方根误差 (Root Squared Error)
MAE 平均绝对误差 (Mean Absolute Error)
我们常用的分类的准确度：1最好，0最差
RMSE和MAE无法取得1和0之间的值，可能出现5，10等数字。
这时需要另一种衡量标准。
R Squared
