sk learn的六大功能：
分类
回归
聚类
预处理
模型选择
降维
8:2
cross validation
Training 切成N份（例如10）
选前9份，进行交叉验证，对结果进行平均（准确率一般平均）。
Validation 验证数据
Testing 比较宝贵
confusion matrix 混淆矩阵，relative with 召回率，准确率
TruePostive FalsePostive
FalseNegative TrueNegative
True 做到了；
Postive 正类
评价指标有几个：
recall 召回率
precision 准确率
F1 score (调和平均数) = 2 / （1 + precision） + 1 (1 + recall) 给予低值更高的权重
various thresholds(阈值就是要求，越高越严格！) 跟 score比较
predict = score > thresholds : True : False
随着thresholds从低到高，精确率上升，召回率降低；
准确率-召回率曲线
ROC curves (ROC曲线)
AUC 测量曲线下面积（综合评估），最好是1，最差是0.5
