or
本练习是课程的一部分
本章将向您介绍建模的一些背景理论与术语，重点包括通用建模框架、用于解释与用于预测的建模之区别，以及建模问题本身。此外，您将开始进行第一次探索性数据分析，这是任何正式建模之前至关重要的第一步。
在掌握通用建模框架后，本章将讲解基础线性回归。您将保持设置简单，将结果变量 y 建模为单个解释/预测变量 x 的函数。我们会同时使用数值型和分类型的 x 变量。本章关注的结果变量是德克萨斯大学奥斯汀分校授课教师的教学评分。
上一章中，您学习了只使用单个数值或单个分类预测变量的基础回归。但为何只用一个变量来支持解释或预测？现在，您将把基础回归扩展为多元回归，从而在模型中纳入不止一个解释或预测变量。您将使用西雅图（华盛顿州）都会区的房屋数据集来建模房价。
前几章中，您拟合了多种模型来解释或预测关注的结果变量。然而，我们如何判断该选择哪些模型？模型评估度量可用于判断解释性模型对数据的"拟合"程度，或预测性模型的准确性。基于这些度量，您将学习判定"最佳"模型的准则。
当前练习