由 ols() 创建的模型对象包含许多要素。为了对模型结果进行进一步分析，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组成部分。
ols()
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。
# Print the model parameters of mdl_price_vs_conv print(____)
您将学习这一常用统计模型的基础、回归的概念，以及线性回归与逻辑回归的区别。接着，您将学会使用数值型与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。
在本章中，您将学习如何使用线性回归模型对台湾房价和 Facebook 广告点击进行预测。您还将通过上手操作模型对象来提升回归技能，理解"均值回归"的概念，并学习如何对数据集中的变量进行变换。
当前练习
本章将教您如何针对模型提出问题以评估拟合效果。您将学习如何量化线性回归模型的拟合优度，如何使用可视化诊断模型问题，并理解每个观测对模型的杠杆值与影响力。
学习拟合逻辑回归模型。使用真实数据，您将以成功概率与胜算的形式预测客户销户的可能性，并使用混淆矩阵量化模型表现。