[VIP] 数据线性回归模型建模详细教程

就可以每天第一时间收到最新素材啦~

本课程向您介绍监督机器学习的主要建模系列之一：回归。您将学习如何训练回归模型来预测连续结果，以及如何使用错误度量来比较不同模型。本课程还将引导您了解最佳实践，包括训练和测试拆分以及正则化技术。
在本课程结束时，您应该能够：
在监督机器学习的背景下区分分类和回归的用途和应用
描述和使用线性回归模型
使用各种错误指标来比较和选择最适合您的数据的线性回归模型
阐明为什么正则化可能有助于防止过度拟合
使用正则化回归：Ridge、LASSO 和 Elastic net
谁应该参加这门课程？
本课程面向有抱负的数据科学家，他们有兴趣在商业环境中获得监督机器学习回归技术的实践经验。
你应该具备哪些技能？
为了充分利用本课程，您应该熟悉 Python 开发环境中的编程，以及对数据清理、探索性数据分析、微积分、线性代数、概率和统计的基本了解。