2018-07-12我来帮老师回答一下：
如果想做多项式，是支持的，在preprocess有polynomial。就是把自变量（向量）中某一项变成高次。
但如果我们把x平方视为X代入式子，其实这还是线性回归。并没有实质性变化。
想想房子的例子，房子面积和体积。作者回复: 谢谢你的回答，这样的模型仍然是线性模型，只是对基函数做了处理。
3
2018-07-20请问85.7是怎么来的？作者回复: 原始的0.75相当于两个概率之比，也就是几率是0.75:0.25=3:1。将几率提高一倍到6:1，对应的概率就是6/7=0.8571。
2- 2018-07-20为什么误差是整正态，因变量也是正态
作者回复: 因为因变量是自变量线性组合和误差的叠加，一旦线性系数确定，线性组合的结果就是个常数，因变量的概率也就取决于噪声的概率。
2018-07-15一般线性模型中的因变量必须是连续分布的，回归结果的误差服从正态分布，联系函数是因变量本身。而广义线性模型中的因变量可以是非连续分布，回归结果的误差如文中所述可以是非正态分布，联系函数可以是自变量线性组合的函数。
我的理解是一般线性模型除了上面的限制外，一般线性模型的目的是描述两个或更多预测变量与连续响应变量之间的统计关系，预测变量可以为因子和协变量，从统计软件的角度看，可以用到各种方差分析和线性回归分析来发现变量之间的关系。对于统计学还不熟悉，一般线性模型具体是如何使用不是太明白。作者回复: 你说的没错，一般线性模型实际上就是多元回归，可以和各种方差分析一起来使用。如果要建模离散变量或者非高斯噪声的话，还是得借助广义模型。
2018-07-10老师你好，问个问题，线性模型只能学习线性关系吗？对于非线性相关的自变量和因变量，能通过多项式来拟合吗？如果能，多项式该怎么构造?对于回归问题除了常见的线性回归模型之外，还有其他模型能用吗?学习当中想到这些问题，希望老师能解答下我的疑惑，感激不尽。作者回复: 线性回归只能学习线性关系，引入非线性元素就可以学习非线性了，我们这个专栏的整体思路就是围绕线性回归不同方式的推广展开。
引入非线性的方式既可以是联系函数，也可以是基扩展，你说的多项式回归就是基扩展的具体实现，构造时最主要的任务就是确定多项式阶数，这个超参数一般要通过交叉验证确定最优值。
其他回归模型有一些，但专栏里不能面面俱到全部介绍，你可以根据专栏的思路去查阅不同的回归方法，以及衍生出的分类方法。