迴歸：預測連續數值

分類是猜「哪一類」，迴歸 是預測「一個數字」——房價、氣溫、銷售額。流程跟分類一模一樣（fit / predict），但評估方式不同，而且多了一個強大的診斷工具：殘差圖。

這堂課你會學到

• 用 LinearRegression 擬合資料，讀懂 coef_（斜率）與 intercept_（截距）
• 用 MSE（越小越好）與 R²（越接近 1 越好）評估
• 用 PolynomialFeatures 擬合非線性關係——同一個線性模型也能畫曲線
• 用殘差圖做模型的健康檢查

殘差圖：模型的健康檢查

殘差 = 真實值 − 預測值。把殘差對預測值畫散布圖：

• 健康：殘差隨機散在 0 附近、沒有形狀 → 模型抓住了規律。
• 有問題：殘差出現曲線、喇叭狀 → 模型漏掉了結構（例如該用非線性卻硬套直線）。

學會看殘差圖，你就不會只憑一個 R² 數字自我感覺良好——它會誠實告訴你模型哪裡沒做好。

👉 在 Colab 裡把多項式 degree 從 2 一路加到 10，觀察曲線怎麼從「擬合」變成「硬背雜訊」——這就是過擬合的現場。