計算 R-squared
現在你已經計算出模型預測的 RMSE，接下來要評估模型與資料的擬合程度：也就是它解釋了多少變異。你可以使用 \(R^2\) 來完成。
假設 \(y\) 是真實結果，\(p\) 是模型的預測， \(res = y - p\) 是預測的殘差。
則資料的總平方和（total sum of squares，$tss$，亦稱「總變異」）為：
$$ tss = \sum{(y - \overline{y})^2} $$
其中 \(\overline{y}\) 是 \(y\) 的平均值。
模型的殘差平方和（residual sum of squares），\(rss\) 為： $$ rss = \sum{res^2} $$
$R^2$（R-squared），也就是模型「解釋變異」的比例，為：
$$ 1 - \frac{rss}{tss} $$
計算出 \(R^2\) 之後，你會把自己的結果與 glance() 回報的 \(R^2\) 進行比較（docs）。glance() 會回傳只有 1 列的資料框；對於線性迴歸模型，其中一個欄位就是此模型在訓練資料上的 $R^2$。
unemployment 資料框已為你載入，且包含你在前一個練習計算的 predictions 與 residuals 欄位。unemployment_model 也可供你使用。
本練習屬於課程
R 中的監督式學習：回歸
練習說明
- 計算
female_unemployment的平均數並指派給變數fe_mean。 - 計算總平方和，並指派給變數
tss。 - 計算殘差平方和，並指派給變數
rss。 - 計算 $R^2$。擬合得好嗎（\(R^2\) 是否接近 1）？
- 使用
glance()從模型取得 $R^2$。它和你計算的一樣嗎？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# unemployment is available
summary(unemployment)
# unemployment_model is available
summary(unemployment_model)
# Calculate and print the mean female_unemployment: fe_mean
(fe_mean <- ___)
# Calculate and print the total sum of squares: tss
(tss <- ___((___ - ___)^2))
# Calculate and print residual sum of squares: rss
(rss <- ___)
# Calculate and print the R-squared: rsq
(rsq <- ___)
# Get R-squared from glance and print it
(rsq_glance <- ___(___)$___)