scikit-learn官网：http://scikit-learn.org/stable/
通常情况下，一个学习问题会包含一组学习样本数据，计算机通过对样本数据的学习，尝试对未知数据进行预测。
学习问题一般可以分为：
监督学习（supervised learning）
分类（classification）
回归（regression）
非监督学习（unsupervised learning）
聚类（clustering）
监督学习和非监督学习的区别就是，监督学习中，样本数据会包含要预测的标签（label），例如给定一组猫和狗的图片并对不同的照片给定对应的标签（猫或狗），而非监督学习只会给定一组图片，并不会给出标签。
分类和回归的区别是，分类的样本数据中的标签有大于等于2种，对于预测数据只需要判断属于其中哪个类即可，而回归则是期望输出由一个或多个连续的变量组成，例如根据鱼的年龄和重量推断鱼的长度。
