您之前创建的简单模型在很多情况下都很有效，但这并不意味着它就是最佳方法。线性回归可以通过正则化过程得到增强，这通常会提高机器学习模型的技能。此外，迭代回归方法还能弥补闭式求解的不足。在本模块中，您将应用这两种技术。

除了线性回归，另一种主要的监督机器学习结果是分类。首先，你将使用几种不同的算法训练一些二元分类模型。然后，你将训练一个模型来处理有多种方法对数据示例进行分类的情况。每种算法都可能是解决某类分类问题的理想选择，因此你需要了解它们的不同之处。

仅仅训练一个你认为最好的模型，然后就收工是不够的。除非你使用的数据集非常简单，或者你很幸运，否则默认参数并不能为你提供解决问题的最佳模型。因此，在本模块中，你将对分类模型进行评估，看看它们的表现如何，然后尝试改进它们的技能。

您已经建立了处理线性回归问题和分类问题的模型。您可能想参与的其他主要机器学习任务之一是聚类，这是一种无监督学习。在本模块中，您将了解机器学习模型如何在数据没有标记的情况下帮助您识别有用的模式。

您将参与一个项目，将本课程的知识应用到实际场景中。