sklearn能即用的数据形式
numpy二维数组的稠密数据（dense data）
scipy矩阵的稀疏数据（sparse data）
数据大小 = [ 样本数，特征数 ] （行， 列）
核心API
估计器 fit()
任何可以基于数据集对一些参数进行估计的对象都被称为估计器
两个核心点：1.需要输入数据，2.可以估计参数。估计器首先被创建，然后被拟合。
预测器 predict() | score()
预测器在估计器上延展出预测功能
两个核心点：1.基于学到的参数预测，2.预测有很多指标。最常见的就是predict()函数
model.predict(X_test)：评估模型在新数据上的表现
model.predict(X_train)：确定模型在老数据上的表现
装换器
装换器也是一种估计器，两者都带有拟合功能，但估计器做完拟合来预测，而装换器做完拟合来装换
核心点：估计器里fit+predict，装换器里先创建再fit+再transform
警示： fit() 函数只能作用在训练集上，千万不要作用在测试集上，要不然你就犯了数据窥探的错误了！拿标准化举例，用训练集 fit 出来的均值和标准差参数，来对测试集做标准化。
