scikit-learn官網(wǎng)：http://scikit-learn.org/stable/
通常情況下，一個學習問題會包含一組學習樣本數(shù)據(jù)，計算機通過對樣本數(shù)據(jù)的學習，嘗試對未知數(shù)據(jù)進行預測。
學習問題一般可以分為：
監(jiān)督學習（supervised learning）
分類（classification）
回歸（regression）
非監(jiān)督學習（unsupervised learning）
聚類（clustering）
監(jiān)督學習和非監(jiān)督學習的區(qū)別就是，監(jiān)督學習中，樣本數(shù)據(jù)會包含要預測的標簽（label），例如給定一組貓和狗的圖片并對不同的照片給定對應的標簽（貓或狗），而非監(jiān)督學習只會給定一組圖片，并不會給出標簽。
分類和回歸的區(qū)別是，分類的樣本數(shù)據(jù)中的標簽有大于等于2種，對于預測數(shù)據(jù)只需要判斷屬于其中哪個類即可，而回歸則是期望輸出由一個或多個連續(xù)的變量組成，例如根據(jù)魚的年齡和重量推斷魚的長度。
