一、人工智能、机器学习、深度学习，三者的区别和联系？

   机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。我们就用最简单的方法——同心圆，可视化地展现出它们三者的关系。

一、多项式回归是什么？

    多项式回归，回归函数是回归变量多项式的回归。多项式回归模型是线性回归模型的一种，此时回归函数关于回归系数是线性的。由于任一函数都可以用多项式逼近，因此多项式回归有着广泛应用。

• 使用多项式回归的优点：

  1、广泛的功能可以适应它。

  2、多项式基本上适合宽范围的曲率。

  3、多项式提供了依赖变量和自变量之间关系的最佳近似。

  
  

• 使用多项式回归的缺点

  1、这些对异常值过于敏感。

  2、数据中存在一个或两个异常值会严重影响非线性分析的结果。

  3、此外，遗憾的是，用于检测非线性回归中的异常值的模型验证工具少于线性回归。

二、升维（polynomial regression）

    升维的目的是为了去解决欠拟合的问题的，也就是为了提高模型的准确率为目的的，因为当维度不够时，说白了就是对于预测结果考虑的因素少的话，肯定不能准确的计算出模型。

• 举个例子，我们看电影电视经常看到这样的场景：

  女主对男主说：“我不爱你了”，于是男主很伤心，以为女主真的不爱他了，其实女主得了绝症，不想连累男主。

     多项式回归不是一个新的回归算法,只是特征预处理,只是做了一个升维变化,变成更高阶，在算法不变的情况下，通过升维，把非线性变为线性。

     多项式回归是升维的一种，它可以算是机器学习中的一种算法，不过和归一化一样一般算作数据预处理的手段，在sklearn模块下它处于sklearn.preprocessing模块下。它的目的就是将已有维度进行相乘，包括自己和自己相乘，来组成二阶的甚至更高阶的维度

下节课：代码实战（多项式升维）

对于逻辑回归多项式回归·升维，有不懂的可在下方评论区提问，一起讨论起来吧！！！