回归大家族：线性回归，岭回归，Lasso与多项式回归

sklearn中的线性回归大家族
　　1 概述
　　　　1.1 线性回归大家族
　　　　1.2 sklearn中的线性回归
　　2 多元线性回归LinearRegression
　　　　2.1 多元线性回归的基本原理
　　　　2.2 最小二乘法求解多元线性回归的参数
　　　　2.3 linear_model.LinearRegression
　　3 回归类的模型评估指标
　　　　3.1 是否预测了正确的数值
　　　　3.2 是否拟合了足够的信息
　　4 多重共线性：岭回归与Lasso
　　　　4.1 最熟悉的陌生人：多重共线性
　　　　4.2 岭回归
　　　　　　4.2.1 岭回归解决多重共线性问题
　　　　　　4.2.2 linear_model.Ridge
　　　　　　4.2.3 选取最佳的正则化参数取值
　　　　4.3 Lasso
　　　　　　4.3.1 Lasso与多重共线性
　　　　　　4.3.2 Lasso的核心作用：特征选择
　　　　　　4.3.3 选取最佳的正则化参数取值
　　5 非线性问题：多项式回归
　　　　5.1 重塑我们心中的“线性”概念
　　　　　　5.1.1 变量之间的线性关系
　　　　　　5.1.2 数据的线性与非线性
　　　　　　5.1.3 线性模型与非线性模型
　　　　5.2 使用分箱处理非线性问题
　　　　5.3 多项式回归PolynomialFeatures
　　　　　　5.3.1 多项式对数据做了什么
　　　　　　5.3.2 多项式回归处理非线性问题
　　　　　　5.3.3 多项式回归的可解释性
　　　　　　5.3.4 线性还是非线性模型？
　　6 结语