对于只学了多元线性回归，还没有学习过广义线性模型的初级数据分析人员来说，可能会忽略掉 的0-1分类数据特征，不管三七二十一，直接建立多元线性回归模型。(ii) 编程实现实现 的最小二乘估计Python代码

对于0-1分类数据特征，应该使用逻辑回归模型，而不是多元线性回归模型。因为0-1分类数据特征的取值只有0和1，不能直接用于线性回归模型中。而逻辑回归模型可以将分类数据特征转化为概率值，可以更好地处理分类问题。

以下是最小二乘估计的Python代码实现：

import numpy as np

# 输入数据
X = np.array([[1,2,3],[1,3,4],[1,4,5],[1,5,6]])
y = np.array([1,2,3,4])

# 最小二乘估计
theta = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y)
print(theta)

其中，X是输入数据的特征矩阵，y是输入数据的目标变量。通过最小二乘估计方法，求解出模型的参数theta。