评估模型可行性的时候，是应该着重看预测的准确度还是看决定系数

在评估模型可行性时，应该着重关注预测的准确度。决定系数可以用来衡量模型的预测能力，但是它并不能很好地衡量模型的精确度。因此，评估模型的可行性时，应该主要关注预测的准确度，并考虑决定系数作为次要指标。

预测的准确度可以通过模型在测试数据上的性能来评估。常用的指标包括精度、召回率、F1分数等。这些指标可以帮助我们了解模型对于预测的真实标签的准确度。

决定系数是一种常用的统计指标，用于衡量因变量与自变量之间的相关性。在机器学习中，决定系数可以用来衡量模型的预测能力，即模型预测的值与真实值之间的相关性。但是，决定系数并不能很好地衡量模型的精确度，因此在评估模型可行性时，应该着重关注预测的准确度。