有监督学习

1. 利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或回归的目的。
   1. 分类：当输出为离散的，学习任务为分类任务。
   2. 回归：当输出为连续的，学习任务为回归任务。
2. 训练集：用来训练的已标注的数据，用来建立模型，发现规律。
3. 测试集：已标注的数据，通常隐藏标记，输送给以训练的模型，通过结果与真实标记对比，评估模型的学习能力。
4. 训练集/测试集划分：
   1. 已标记数据随机选出一部分(70%)作为训练数据，其他作为测试数据。
   2. 交叉验证法；
   3. 自助法
5. 分类学习-评价标准
   1. 精确率：针对预测结果的正确多少。以二分类为例，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种是把正类预测为正类(TP)，另一类就是把负类预测为正类(FP)。                          
   2. 召回率：是针对我们原来的样本而言的，它表示的是样本的正类有多少被预测正确了。那也有两种可能，一种是把原来的正类预测为正类(TP)，另外一种是把原来的正类预测为负类( FN).                                                               
6. 回归分析：相关性分析
7. sklearn回归模块：sklearn.linear_model和sklearn.preprocessing