有一些最佳实践可以避免回归模型的过度拟合。最佳实践之一就是将数据分成训练集和测试集。另一种方法是使用交叉验证。第三种方法是引入多项式特征。本模块将向您介绍这些最佳实践的理论框架和一些实践案例。

训练集和测试集的大小需要权衡。如果将大部分数据用于训练，用于验证模型的样本就会减少。反之，如果使用更多样本进行测试，则用于训练模型的样本就会减少。交叉验证可以让您重新利用数据，使用更多样本进行训练和测试。

本模块将引导您学习正则化回归的理论和一些实践案例，包括脊回归、LASSO 和弹性网回归。您将了解这些技术的主要优缺点及其异同。

在本节中，您将了解损失函数与不同正则化类型之间的关系。

在本作业中，您将应用 Regression 技术分析您选择的数据集。您的任务是对数据进行预处理、建立和比较 Data Model、提取洞察力并提出下一步建议。您可以使用视觉效果来支持您的分析，但报告应该是对您的分析过程和结论的清晰总结。您的最终报告将通过 AI 分级工具进行评估。