简介

在本章中，你将继续使用 scikit-learn 创建多种用于线性回归和数据分类的模型。你还将学习如何通过交叉验证进行超参数调优和模型评估。

A. 为数据创建模型

数据科学家的主要工作是分析数据，并构建模型以从数据中获取结果。通常情况下，数据科学家会使用简单的统计模型，而非神经网络等机器学习模型。这是因为数据科学家处理的数据集通常比机器学习工程师的小，因此他们可以利用统计模型快速获得良好的结果。

scikit-learn 库提供了许多用于线性回归的统计模型。此外，它还提供了一些优秀的数据分类模型，这些模型将在后续章节中介绍。

在创建模型时，数据科学家需要确定应使用的最佳超参数。超参数是在创建模型时我们设定的值，例如模型计算中使用的某些常数系数。关于超参数调优——即寻找最优超参数设置的过程——我们将在后续章节中进一步讨论。