使用相关性来验证训练和测试数据线性模型

Question

我的问题不需要任何示例数据，因为它是理论问题。

我已经使用80％的数据创建了一些线性模型，并在剩余20％的数据上测试模型的预测能力。测试模型准确性的一种方法是查看预测值与实际值的平均比值。

predicted <- predict (model.1, testData)  # predict on test data
compare <- cbind (actual=testData$Var1, predicted)  # combine actual and predicted
mean (apply(compare, 1, min)/apply(compare, 1, max)) 

我的结果通常说我的模型的准确度是70-85％，但是数据图显示出很多分散性。因此，我可以改用预测值与实际值的相关性吗？即

compare2=as.data.frame(compare)
cor.test(compare2$actual, compare2$predicted)

我在互联网上找不到任何建议。