用不同的回归模型做回归，发现R2最大的模型调整R2不一定最大，那么到底根据哪个标准选最优模型呢？？？网上找到一个解释与君共享：
   R2是回归平方和与总平方和的比值。根据定义，它就是反应了回归方程对y的解释能力。

    在它基础上，又派生出一个调整确定系数，是因为在多元线性回归方程中，自变量个数的增加会引起余差平方和的减少，R2增大；因此，尽管有的自变量与y线性关系不显著，将其引入方程后，也会使R2增大。也就是说，R2本身还受自变量个数的影响。

   因此，为了剔除自变量个数对R2的影响，让R2的大小只反应回归方程的拟合优度，引入了调整的R2，从其可以看出，调整的R2随k的增加而减小，（n是样本个数，在调查之后分析时，是固定的），可以识别自变量个数对R2的影响。

   经验上，一般当k：n大于1:5时，R2会高估实际的拟合优度，这时，宜用调整后的R2来说明方程的拟合优度，也就是自变量对y的解释能力。

   以上解释说明随意添加变量不一定能让模型实际拟合度上升，这个好理解。但是我的模型自变量个数是定的，而且也满足k:n<1.5，而是改变模型本身，那就是通过R2最大选择最优模型么？？？