下面是自己理解的總結：

大概意思就是說，R-squared（值範圍0-1）描述的 輸入變數對輸出變數的解釋程度。在單變數線性迴歸中R-squared 越大，說明擬合程度越好。
然而只要曾加了更多的變數，無論增加的變數是否和輸出變數存在關係，則R-squared 要麼保持不變，要麼增加。
So, 需要adjusted R-squared ,它會對那些增加的且不會改善模型效果的變數增加一個懲罰向。
結論，如果單變數線性迴歸，則使用 R-squared評估，多變數，則使用adjusted R-squared。
在單變數線性迴歸中，R-squared和adjusted R-squared是一致的。
另外，如果增加更多無意義的變數，則R-squared 和adjusted R-squared之間的差距會越來越大，Adjusted R-squared會下降。但是如果加入的特徵值是顯著的，則adjusted R-squared也會上升