lm() 返回的模型对象变量包含许多元素。若要对模型结果做进一步分析，您需要提取其中有用的部分。模型系数、拟合值和残差可以说是线性模型对象中最重要的内容。
lm()
mdl_price_vs_conv 已提供。
mdl_price_vs_conv
本练习是课程的一部分
通过完成这段示例代码来试试这个练习。
# Get the model coefficients of mdl_price_vs_conv ___
您将学习这一常用统计模型的基础：什么是回归，以及线性回归与逻辑回归的区别。接着，您将学习如何使用数值型和分类型解释变量来拟合简单线性回归模型，并通过模型系数来描述响应变量与解释变量之间的关系。
本章将带您使用线性回归模型对台湾房价和 Facebook 广告点击进行预测。您还将通过上手机器学习模型对象、理解"回归到均值"的概念，并学习如何对数据集中的变量进行变换，从而进一步提升回归技能。
当前练习
本章将学习如何围绕模型提出问题以评估拟合效果。您将学会量化线性回归模型的拟合优度，利用可视化诊断模型问题，并理解用于构建模型的每个观测的杠杆值与影响力。
学习如何拟合逻辑回归模型。借助真实世界数据，您将把客户销户的可能性表示为成功概率和优势比进行预测，并使用混淆矩阵量化模型性能。