Introduction
现在我们已经配备了强大的编程工具，终于可以回到建模了。
模型的目标是提供数据集的简单低维摘要。理想情况下，该模型将捕获真正的 “信号”（即由感兴趣现象产生的模式），并忽略 “噪声”（即我们不感兴趣的随机变化）。
在模型基础知识中，我们将了解模型如何工作，重点介绍重要的线性模型系列。
在模型构建中，我们将学习如何使用模型在实际数据中提取已知模式。
在许多模型中，我们将学习如何使用许多简单模型来帮助理解复杂的数据集。注意学习时多加结合建模和编程工具。
认知
传统的来说，建模的重点是推理，或确认假设是正确的。因此我们需要形成两个必要的观念：
- 每个观测值既可以用于探索，也可以用于确认，而不能两者兼而有之。
- 我们可以根据需要多次使用观测值进行探索，但只能使用一次进行确认。一旦使用观察结果两次，我们就算已经从确认切换到了探索。
