文本：复习

本课程讲解了大量知识。

你学习了如何在 python 里创建多元线性回归模型，创建方法其实与上节课创建简单线性回归模型十分类似。
你学习了如何编码虚拟数据并解释相应的系数。
你学习了高阶项，也知道了高阶项会怎么影响系数解释。
你知道了多元线性回归模型需要交互项意味着什么，也学习了如何确定其它高阶项。但这里需要重申一次，涉及到交互项和高阶项，直接解释系数的重要性就居于其次了，你的模型将更侧重于预测效果，所以其解释效果有所降低。
你学习了模型假设，我们还进一步探讨了多重共线性。你学习了方差膨胀因子，也知道了多重共线性会如何影响模型系数和标准误差。
你学习了模型选择和特征工程技巧。
你学习了交叉验证，知道要如何把测试集拆分成训练-测试集，从而判断模型最好要保留哪些解释变量。

本课讲解的许多知识都是机器学习的核心技巧，但我们只是接触到冰山一角而已，优达学城有一整个课程专门讲授机器学习，在该课程中，你可以更深入地学习本课涉及的诸多知识点。