+章节1：多元线性回归   
  1：理解简单线性回归     
  10：对数似然函数_推导出损失函数MSE     
  11：把目标函数按照线性代数的方式去表达     
  12：推导出目标函数的导函数形式     
  13：θ解析解的公式_是否要考虑损失函数是凸函数     
  14：Python开发环境版本的选择及下载     
  15：Anaconda环境安装_Pycharm环境安装     
  16：Pycharm创建脚本并测试python开发环境     
  17：解析解的方式求解多元线性回归_数据Xy     
  18：解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形     
  19：解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换     
  2：最优解_损失函数_MSE     
  20：Scikit-learn模块的介绍     
  21：调用Scikit-learn中的多元线性回归求解模型(上)     
  22：调用Scikit-learn中的多元线性回归求解模型(下)     
  3：扩展到多元线性回归     
  4：理解多元线性回归表达式几种写法的原因     
  5：理解维度这个概念     
  6：理解回归一词_中心极限定理_正太分布和做预测     
  7：假设误差服从正太分布_最大似然估计MLE     
  8：引入正太分布的概率密度函数     
  9：明确目标通过最大总似然求解θ     
  第一阶段_手把手教你透彻掌握线性回归算法.pdf     
+章节2：梯度下降法   
  23：梯度下降法产生的目的和原因以及思想     
  24：梯度下降法公式     
  25：学习率设置的学问_全局最优解     
  26：梯度下降法迭代流程总结     
  27：多元线性回归下的梯度下降法     
  28：全量梯度下降     
  29：随机梯度下降_小批量梯度下降     
  30：对应梯度下降法的问题和挑战     
  31：轮次和批次     
  32：代码实现全量梯度下降第1步和第2步     
  33：代码实现全量梯度下降第3步和第4步     
  34：代码实现随机梯度下降     
  35：代码实现小批量梯度下降     
  36：代码改进保证训练数据全都能被随机取到     
  37：代码改进实现随着迭代增加动态调整学习率     
  第四阶段_梯度下降法_归一化_正则化_多项式升维.pdf     
+章节3：归一化   
  38：归一化的目的_维度之间数量级不同产生的矛盾     
  39：归一化的目的_举例子来理解做归一化和不做归一化的区别     
  40：归一化的副产品_有可能会提高模型的精度     
  41：最大值最小值归一化     
  42：标准归一化     
+章节4：正则化   
  43：代码完成标准归一化     
  44：正则化的目的防止过拟合     
  45：正则化通过损失函数加入惩罚项使得W越小越好     
  46：常用的L1和L2正则项以及数学意义     
  47：L1稀疏性和L2平滑性     
  48：通过L1和L2的导函数理解区别的本质原因     
+章节5：Lasso回归_Ridge回归_多项式回归   
  49：代码调用Ridge岭回归     
  50：代码调用Lasso回归     
  51：代码调用ElasticNet回归     
  52：升维的意义_多项式回归     
  53：多项式升维代码实战_传入不同超参数对比     
  54：多项式升维代码实战_训练模型和评估     
  55：实战保险花销预测_数据介绍和加载数据     
  56：实战保险花销预测_数据预处理     
  57：实战保险花销预测_模型训练和评估_选择非线性算法改进     
  58：实战保险花销预测_特征选择思路     
  59：实战保险花销预测_特征工程     
  60：实战保险花销预测_模型训练和评估

课程扩展阅读材料     
Abdelkhalak El Hami-Methods and Applications of Artificial Intelligence Dynamic Response, Learning, Random Forest, Linear Regression, Interoperability, Additive Manufacturing and Mechatronics.pdf   
Daniel P. McGibney - Applied Linear Regression for Business Analytics with R_ A Practical Guide to Data Science with Case Studies.pdf   
Frans E.S. Tan, Shahab Jolani - Applied Linear Regression for Longitudinal Data.epub   
Frans E.S. Tan, Shahab Jolani - Applied Linear Regression for Longitudinal Data_ With an Emphasis on Missing Observations.pdf   
Gervacio Ccosi h-Linear regression in 3D to a parametric curve or surface 1 1.pdf   
John P. Hoffmann - Linear Regression Models_ Applications in R.pdf   
Peter Martin - Linear Regression_ An Introduction to Statistical Models.pdf   
精通数据科学：从线性回归到深度学习.epub