python中多元线性回归和最小二乘线性回归模型二者怎么比较，比如用r方

多元线性回归和最小二乘线性回归模型都可以使用 $R^2$ 指标来评估其拟合效果。

对于多元线性回归模型，$R^2$ 指标表示模型拟合数据的程度，取值范围为 $[0, 1]$，值越接近 $1$ 表示模型拟合效果越好。$R^2$ 的计算公式为：

$$
R^2 = 1 - \frac{\sum_{i=1}^n(y_i - \hat{y}_i)^2}{\sum_{i=1}^n(y_i - \bar{y})^2}
$$

其中，$y_i$ 是第 $i$ 个样本的真实值，$\hat{y}_i$ 是第 $i$ 个样本的预测值，$\bar{y}$ 是所有样本的平均值。

对于最小二乘线性回归模型，$R^2$ 指标的计算方式与多元线性回归模型相同。

在实际应用中，可以根据数据集的特点和具体问题选择使用多元线性回归模型或最小二乘线性回归模型，并使用 $R^2$ 指标来评估模型的拟合效果。