回归入门学习路线 · 简单、多元与多项式回归

内容与使用说明

按简单线性回归、多元回归、多项式回归顺序阅读3份实践笔记，对照数据准备、拟合、预测与评估步骤。需要Python、基础统计和scikit-learn入门知识。 资料范围 收录3份英文PDF笔记和MIT许可文本。PDF包含说明、代码示例及已有输出；本页不包含可执行Notebook、原始数据集或视频，复现实验需按原项目自行准备依赖和数据，不是一键运行课程包。 建议阅读顺序 1. 8.1-Complete_Simple_Linear_Regression.pdf 2. 8.2-Multiple_Linear_Regression.pdf 3. 8.3-Polynomial_Regression.pdf 练习建议 按章节记录关键概念、输入数据、处理步骤和评估指标。阅读完一个示例后，用自己的小数据复现并比较结果；遇到引用数据缺失时返回原项目核对。 作者：Uditya Narayan Tiwari 原项目：https://github.com/udityamerit/Complete-Machine-Learning-For-Beginners/tree/64d7286a653e9a8b43bcc9c0f9eebc8419b66d0e/08-Complete%20Linear%20Regression/Notes 许可：MIT，保留随附版权和许可声明。 收录文件（4份，共0.90 MiB）： • 01-Complete_Simple_Linear_Regression.pdf • 02-Multiple_Linear_Regression.pdf • 03-Polynomial_Regression.pdf • LICENSE.txt 上游原文件与许可一并保留。

来源与许可

项目README明确说明仓库使用MIT许可，作者署名Uditya Narayan Tiwari；保留原PDF及完整许可，逐文件核对Git对象哈希，不把第三方课程宣传为官方课程。

MIT

Uditya Narayan Tiwari，完整版权声明见LICENSE.txt。