抱歉，您的浏览器无法访问本站

当图线中某些特殊地方需要标注时，我们可以使用 annotation.

matplotlib 中的 annotation 有两种方法， 一种是用 plt 里面的 annotate，一种是直接用 plt 里面的 text 来写标注.

matplotlib 中的 legend 图例就是为了展示出每个数据对应的图像名称,可读性更好.

如何移动 matplotlib 中 axis 坐标轴的位置.

Python 语言特定的序列化模块是pickle，但如果要把序列化搞得更通用、更符合Web标准，可以使用json模块

我们训练好了一个 Model 以后总需要保存和再次预测, 所以保存和读取我们的sklearn model也是同样重要的一步。
这次主要介绍两种保存Model的模块 pickle 与 joblib

交叉验证(cross validation)让我们知道在机器学习中验证是有多么的重要, 这一次的 sklearn 中我们用到了sklearn.learning_curve当中的另外一种, 叫做validation_curve,用这一种曲线我们就能更加直观看出改变模型中的参数的时候有没有过拟合(overfitting)的问题了. 这也是可以让我们更好的选择参数的方法.

Sklearn 中的 learning curve 可以很直观的看出我们的 model 学习的进度, 对比发现有没有 overfitting 的问题. 然后我们可以对我们的 model 进行调整, 克服 overfitting 的问题.

Sklearn 中的 Cross-validation 对于我们选择正确的 Model 和 Model 的参数是非常有用， 有了它我们能直观的看出不同 Model 或者参数对结构准确度的影响。

Data Normalization 可以提升机器学习的成效

Sklearn 把所有机器学习的模式整合统一起来了，学会了一个模式就可以通吃其他不同类型的学习模式

今天来看 Model 的属性和功能, 这里以 LinearRegressor 为例，所以先导入包，数据，还有模型

Sklearn 中的 data sets，很多而且有用，可以用来学习算法模型

Sciki-learn 选择学习方法，选择模型 流程图

Scikit learn 也简称 sklearn, 是机器学习领域当中最知名的 python 模块之一.

matplotlib 的 figure 就是一个 单独的 figure 小窗口, 小窗口里面还可以有更多的小图片