8_多项式回归及模型泛化(Polynomial Regression and Model Generalization)

在这一章，我们将接触非线性问题。我们将学习多项式回归的思想，使用线性回归的思路来解决非线性问题。
进一步，我们将引申出或许是机器学习领域最重要的一个问题：模型泛化问题。
我们将深入探讨什么是欠拟合，什么是过拟合，怎样检测欠拟合和过拟合。什么是交叉验证，什么是模型正则化。听起来拗口的Ridge和Lasso都是什么鬼…

8-1 什么是多项式回归

8-2 scikit-learn中的多项式回归与Pipeline

8-3 过拟合与欠拟合

8-4 为什么要有训练数据集与测试数据集

8-5 学习曲线

8-6 验证数据集与交叉验证

8-8 模型泛化与岭回归

总结：模型正则化让模型的泛化能力大大提高，其背后的原理是 由于过拟合的模型系数太大，加入一项附加项，让MSE部分的系数可以小一些。

8-9 LASSO

8-10 L1, L2和弹性网络