plotly真是神器哇，极度方便数据观察
对用户行为特征数据pca降维（10000+*9->10000+*3）后的数据用plotly的3d clustering画了个图，极度汇聚，感觉是降维后特征丢失，还是说，用户特征就是这样，极度雷同？应该要加点数据维度看看，抽取的用户特征已经是正交，不需要PCA，或者，应该直接把功能相关所有数据丢进来，才有PCA的意义。不过是否应该按照功能来做维度，即使PCA也最少保留到功能点的维度？
基本的评价体系建立：根据样本数据建立起一个多维空间，然后被分类数据对应投射到空间内，判断它跟样本的相似性（向量距离？）
用户特征
