Sum of Squares Total (SST)
单个数据点（观测值）于响应变量的均值差的平方和。

Sum of Squares Regression (SSR)
预测值ŷi与响应变量均值差的平方和。

Sum of Squares Error (SSE)
预测值ŷi与观测值差的平方和。

$$R^2=1-SSE/SST=SSR/SST$$

SST = SSE + SSR

SSE = 0 -> R2 = 1 模型是好的

SSE = SST -> R2 = 0 预测值等于平均值，这个模型完全没用，直接算平均值好了

SSE > SST -> R2 < 0 预测值还不如平均值

这里的R方，有个比较有趣的结论，是本人在调用sklearn后R方为负数情况下思考的。
sklearn应该计算方式用的是1-SSE/SST所以有负数，如果是用的SSR/SST只会是[0,1]的区间。