计划：
1.继续学习sklearn数据库
13~14周学习小结
一、选择学习方式<br />
从 START 开始，首先看数据的样本是否 >50，小于则需要收集更多的数据。由图中，可以看到算法有四类，分类，回归，聚类，降维。其中 分类和回归是监督式学习，即每个数据对应一个 label。 聚类 是非监督式学习，即没有 label。 另外一类是 降维，当数据集有很多很多属性的时候，可以通过 降维 算法把属性归纳起来。例如 20 个属性只变成 2 个，注意，这不是挑出 2 个，而是压缩成为 2 个，它们集合了 20 个属性的所有特征，相当于把重要的信息提取的更好，不重要的信息就不要了。然后看问题属于哪一类问题，是分类还是回归，还是聚类，就选择相应的算法。 当然还要考虑数据的大小，例如 100K 是一个阈值。可以发现有些方法是既可以作为分类，也可以作为回归，例如 SGD。
二、通用的学习模式
1）KNN算法
K最近邻(k-Nearest Neighbor，KNN)分类算法的核心思想是如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法可用于多分类，KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的属性的平均值赋给该样本，作为预测值。（特征空间）
2）哑编码
是一种状态编码。因为有些特征是用文字分类表达的，或者说将这些类转化为数字，但是数字与数字之间是没有大小关系的，纯粹的分类标记，这时候就需要用哑编码对其进行编码。比如0用0001,1用0010，2用0100以此类推。有点类似文本矩阵，最终会构成一个稀疏矩阵。
3）交叉验证
普通的训练方法是将样本集分成训练集和测试集。但交叉验证是将样本分成N份，每一份都可以作为测试集，而剩余的N-1份作为训练集，以此减少突发性和偶然性。
4）数据转换
是对字段处理的一种方式。常见的有三种，多项式转换，指数转换，对数转换。多项式转换：比如说有四个特征，度设为2，其实就是在原四个字段的基础上两两组合出新的字段，以期待他们和因变量之间会擦出新的火花。指数和对数不会产生新字段，我的理解是通过观察自变量和因变量之间的图形变换，然后推测字段在指数对数处理后会更加线性相关。
