拟合度是评估模型预测准确度的重要指标，我们要求模型的预测结果尽可能精准，也就是尽可能让拟合度越高越好。但为什么拟合度越高越好呢？
一个好的拟合度，可以保证我们的预测结果越来越接近真实情况，这在很多应用场景下非常必要，比如金融领域的风险评估、医学领域的疾病预测等，都需要高精度的预测结果来支撑决策。
当然，只有高拟合度是不够的，我们还需要考虑过拟合和欠拟合的问题。过拟合就是当模型在训练集上表现很好，但在测试集或者新数据上表现很差的现象，这时候我们需要降低拟合度来保证模型的泛化性能。欠拟合则是模型无法学习到数据真实规律，这时候我们需要提高拟合度，让模型具备更强的拟合能力。
我们要根据具体的应用场景来确定模型的拟合度，不能盲目地要求拟合度越高越好。在实际应用中，我们需要不断调整模型参数和训练方法，才能找到最优的拟合度，得到最精准的预测结果。