思路：
step 0: 特征提取，特征归一化
step 1.先将多个特征项进行回归分析，建立回归模型。
step 2.利用回归模型，计算预测值
step 3.计算预测值和标签值之间的相关系数
step 0：
特征归一化选择：MinMax，0均值 etc.
sklearn 下自带MinMaxScaler对象, StandardScaler对象
step 1：
回归模型选择:线性回归，随机森林？
附加：做出视觉效果图
step 2：
没啥，直接predict就好
step 3：
相关系数类型：pearson，kendall, spearman
pearson：线性，定距变量。得出r值为相关系数
spearman：定序型变量，不等距变化的数据，阶级等。但是还是能排序的数据。算出的P值，并不是直接可用的相关系数，需要对照spearman轶相关系数表。
kendall: 定类变量，需转化成数字。 能体现出一致性不一致性的对。得出值为相关系数。
运用pandas或者numpy计算
