官方文档：http://scikit-learn.org/stable/#
input--模型-output
数据分析是为了发现规则
数据分析--数据挖掘和机器学习，算法相同
推荐系统
语音识别--科大讯飞，百度垄断，比较成熟，自然语言的分支
机器视觉--卷积神经网络，图像识别，图片搜索，目标检测（无人驾驶）
NLP--聊天机器人，机器翻译，金融，與情分析
自动驾驶
垃圾邮件
自然语言？？
监督学习：输入和输出之间有一定的关系，模型和标准是可靠的
无监督：聚类，分成几个类，评估和标准不可靠，有点问题
强化学习：aphago象棋程序
离散型、类别型
每列：特征(变量)==数据库的字段
每行：样本/样例
训练集-训练模型
测试集--评估模型
模型参数的训练
探索性分析
热力图 seaborn模块
几百万数据不算大？一般有多少数据？
交叉验证：多次测试取平均值，基本3-5次
鲁棒性：强壮性，抗噪能力
一般将整个数据集分成测试集和训练集
标准化：去均值和标准差
fit训练
transform转化
fit_transform训练加转化
score评估：R^2的得分
梯度下降GD，随机梯度下降SGD，随机梯度下降用的更多，每一次拿一个样本，可以跳坑，缺点：造成震荡，迭代次数增加，达不到收敛，一般指小批量的随机梯度下降mini_batch
收敛：无限接近
rigde优化所化，svd作为参数
