正文
为什么需要将数据分成两部分？
用 Training Data 来训练模型，用 Validation Data 来检验这个模型的表现，不然的话，通过各种调节参数，模型可以在训练数据集上面表现的非常出色，但是这可能会是过拟合，过拟合就是太依赖现有的数据了，拟合的效果特别好，但是只适用于训练集，以致于来一个新的数据，就不知道该预测成什么了。所以需要有 Validation 来验证一下，看这个模型是在那里自娱自乐呢，还是真的表现出色。
在 scikit learn 包里就有工具可以帮你做到这些：
分类问题用 StrtifiedKFold
from sklearn.cross_validation import StratifiedKFold
回归问题用 KFold
from sklearn.cross_validation import KFold
第三步：构造特征
这个时候，需要将数据转化成模型需要的形式。数据有三种类型：数字，类别，文字。当数据是类别的形式时，需要将它的每一类提取出来作为单独一列，然后用二进制表示每条记录相应的值。例如：
record 1: 性别 女
record 2：性别 女
record 3：性别 男
转化之后就是：
女 男
record 1: 1 0
record 2：1 0
record 3：0 1
这个过程 sklearn 也可以帮你做到：
from sklearn.preprocessing import LabelEncoder
或者
from sklearn.preprocessing import
